YOLOv5训练SGD

### 使用SGD训练YOLOv5

为了使用随机梯度下降(SGD)算法来训练YOLOv5模型，需遵循特定的设置流程。此过程涉及准备环境、调整配置文件以及启动训练脚本。

#### 准备工作
进入YOLOv5项目目录并创建一个新的Conda虚拟环境用于隔离依赖项[^2]:

cd yolov5
conda create --name myenv python=3.8
conda activate myenv

安装必要的Python包以支持YOLOv5运行:

pip install -r requirements.txt

#### 配置优化器参数
编辑`yolov5/train.py`中的超参数部分，指定采用SGD作为优化方法，并设定初始学习率和其他相关选项。通常情况下，默认的学习率为0.01，在某些场景下可能需要根据具体情况进行微调:

hyp = {
    'lr0': 0.01,  # 初始学习率 (SGD=5e-3, Adam=5e-4)
    'momentum': 0.937,
    'weight_decay': 5e-4,
}
opt = argparse.Namespace(optimizer='SGD', batch_size=16, epochs=300, imgsz=640, rect=False, resume=False, weights='')

#### 启动训练进程
通过命令行执行训练指令，确保指定了正确的数据集路径和预训练权重(如果有的话):

python train.py --img 640 --batch 16 --epochs 300 --data coco128.yaml --weights '' --optimizer SGD

上述命令将会基于COCO128小型测试集合开始一轮完整的训练周期，期间会应用SGD来进行参数更新操作。