1 --weights 初始化模型： 有yolov5m，yolov5s，yolov5x，yolov5l，如果为设置为空就是没有任何与训练模型
2 --config 训练配置文件：.yaml 文件，与预训练模型相对应。
3 --data 所使用的数据集的配置文件：.yaml 文件，训练自己的数据集是也需要编辑相应的yaml文件
4 --hyp 超参数配置文件： 学习率等
5 --epoch 训练轮数
6 --batch-size batchsize 大小
7 --img-size 图片大小
8 --rect padding之后会有灰色区域的冗余信息，此参数设置为真，可以去除冗余信息
9 --resume 从之前训练的节点开始训练（已经训练的网络在runs/train/exp文件夹下的pt文件）
发现从此pt权重文件开始继续训练
10 --nosave 是否只保留最后一个epoch的权重文件
11 --notest 是否只测试最后一个epoch
12 --noautoanchor （目标检测算法中是否使用锚点、锚框）关闭autoanchor
13 --evolve 进化超参数（寻找最优参数的一种方式）
14 --bucket 没有必要
15 --cache-images 缓存图片以备更快的训练
16 --image-weights 上一轮中训练情况不好的图片，在下一轮中加一些相关的权重
17 --device 训练设备选择 选择cpu或者gpu
18 --multi-scale 对图片的尺寸进行变化
19 --single-cls 训练的数据集是但类别还是多类别
20 --adam 优化方法使用adam 优化法
21 --sync-bn DDP参数
22 --local_rank DDP参数
23 --workers 最好设置成0，不然很容易出错
24 --poject 项目存储位置
25 --entity W&B 训练可视化的库是否启用
26 --name 训练结果保存名字
27 --quad 开启之后在尺寸大于640的图像上识别效果更好，但是有可能会使在640尺寸的图片上效果更差
28 --Linear-lr 学习速率的变化，如果开启就使用线性的方式进行变化，不开启就使用余弦退火的方式变化
29 --label-smoothing 防止在分了算法中出现过拟合的情况发生
30 --save_log 每隔多少个epoch，在tensorboard 中打一个标签
