yolov5学习率衰减

### YOLOv5 学习率衰减策略及配置方法

#### 一、学习率调度机制概述
YOLOv5采用了一系列精心设计的学习率调度机制来优化训练效果。这些机制不仅提升了模型的收敛速度，还增强了其泛化能力[^2]。

#### 二、具体参数说明
在YOLOv5中，学习率的相关配置通常位于`.yaml`文件内，而非传统的`.cfg`文件。以下是几个重要的参数：

- **初始学习率 (`lr0`)**：这是训练开始时设定的基础学习率。

- **最大学习率 (`lrf`)**：当训练接近结束阶段使用的最终学习率，默认情况下会非常低，几乎可以忽略不计。

- **预热轮次 (`warmup_epochs`)**：指定了多少个epoch用于逐步增加学习率至正常水平的过程，在此期间学习率线性增长。

- **余弦退火周期 (`cos_lr`)**：如果启用，则会在整个训练过程中应用余弦函数形式逐渐降低学习率；否则将按照预定步长减少学习率。

- **分段式下降节点 (`steps` 和 `lrs`) 或者 `decay_factor`**：定义了特定迭代次数处发生跳跃式的指数级削减操作的位置以及对应的缩放因子列表。

对于更详细的自定义需求，可以通过修改源码中的超参字典实现个性化调整[^3]。

hyp = {
    'lr0': 0.01,  # 初始学习率 lr0
    'lrf': 0.1,   # 最终学习率 lrf (fraction of initial value)
    'warmup_epochs': 3,
    'cos_lr': True,
}