距离YOLOv6发布已经有一周的时间了，中途修复了好多bug，一起来看看吧
官网网址：
YOLO v6
https://github.com/meituan/YOLOv6
train.py参数分析
打开文件tools->train.py
1、介绍
没啥用，担心我们不知道这是YOLOv6的train文件....
2、--data-path
存放数据集路径的yaml，作者提供了一个coco和一个yolo格式训练的yaml
注意：v6不需要使用images文件夹，将以前images中的train和val文件夹图片与labels文件放在同一个目录就可以了，不然容易找不到数据集，这个bug官方还未更新，更新了请提醒我（7月1日）
正确的YOLO格式yaml文件：
将数据集A放在根目录：
还有一点，yolo v6目前使用单类别数据集训练时，会出现一系列的报错，尽量使用多类别，这个bug官方目前还没修复，虽然他们说支持单类别...
3、--conf-file
用于指定模型配置文件，根据自己的需求进行配置；v6的配置文件中使调参又方便了一些
4.--img-size
训练时图片的大小，默认是640*640，根据自己需求进行调整
5.--batch-size
这个根据自己电脑显存进行调节，尽量越大越好
6、--epochs
训练的次数，并不是越大越好，300左右基本就可以了
7、--workers
默认8就好，如果自己电脑硬件不支持就填0，越接近0，训练的时候就会越占用CPU
8、--device
显卡的使用，默认就是使用第一张卡
9、--eval-interval
更新间隔评估；这个参数是真的坑，默认每20次更新一次，导致很多人的map都是0，还以为是程序的问题，坑了一大片人，官网论坛都在问，官方也没说是这里的情况
10、--eval-final-only
在最后一个批次进行评估；默认是true，不需要进行改动
11、--heavy-eval-range
在最后50个epochs时进行持续更新，可以和--eval-interval 一起使用
12、--check-images
训练前检查图像数据集，默认true
13、--check-labels
训练前检查标签数据集，默认true
14、--output-dir
训练时输出的路径
15、--name
训练数据保存到的文件名称
16、--dist_url
默认的网址；不需要修改
17、--gpu_count
GPU数量类型；默认整型
18、--local_rank
单机多卡训练；基本用不到
19、--resume
断点训练，是否在之前训练的一个模型基础上继续训练；需要接着之前训练就改为true
总结：
目前YOLOv6的程序还不够完善，训练时会遇到各种问题，我做了个总结，希望能帮助到你们
