yolov5中修改优化器

在 YOLOv5 中，优化器的类型和参数可以在 `train.py` 文件中进行修改。具体来说，您可以修改以下代码中的 `optimizer_type` 和 `hyp` 变量来改变优化器的类型和超参数：

# Optimizer
if hyp['optimizer'] == 'adamw':
    optimizer = torch.optim.AdamW(model.parameters(), lr=hyp['lr'], betas=(hyp['momentum'], 0.999))
elif hyp['optimizer'] == 'sgd':
    optimizer = torch.optim.SGD(model.parameters(), lr=hyp['lr'], momentum=hyp['momentum'], nesterov=True)
else:
    raise Exception("Optimizer not supported")

# Scheduler
if hyp['optimizer'] == 'adamw':
    scheduler = torch.optim.lr_scheduler.OneCycleLR(optimizer, max_lr=hyp['lr'], steps_per_epoch=len(dataloader), epochs=hyp['epochs'], anneal_strategy='linear')
else:
    scheduler = torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=hyp['epochs'])

# Start training
for epoch_i in range(start_epoch, hyp['epochs']):
    # Train
    train()
    
    # Update scheduler
    scheduler.step()

    # Save model
    if (epoch_i + 1) % hyp['save_interval'] == 0:
        save_model(epoch_i)

    # Remove previous checkpoint to save disk space
    if (epoch_i + 1) > 5:
        os.remove(f'runs/train/exp/weights/epoch{(epoch_i + 1) - 5}.pt')

在上面的代码中，您可以通过修改 `hyp` 字典中的 `optimizer` 键来更改优化器的类型，比如将其从默认的 `adamw` 改为 `sgd`。您还可以修改 `hyp` 字典中的其他键，如 `lr` 和 `momentum`，以调整优化器的超参数。最后，您可以通过修改 `scheduler` 变量来更改学习率调度程序的类型和参数。