学习经验分享之七：YOLOv5代码中文注释

        近期学习YOLOv5的朋友比较多，为便于大家更好理解源码，对YOLOv5进行中文注释。需要的朋友可以关注我的微信公众号：人工智能AI算法工程师 私信后获取。

以下为部分代码示例。

def main(opt):
    # 1、logging和wandb初始化
    # 日志初始化
    set_logging(RANK)
    if RANK in [-1, 0]:
        # 可以输出所有训练opt参数 
        print(colorstr('train: ') + ', '.join(f'{k}={v}' for k, v in vars(opt).items()))
        # 这句代码用来检查代码版本是否是最新的 
        check_git_status()
        # 用来检查requirements.txt所需包是否都满足
        check_requirements(exclude=['thop'])

    # wandb logging初始化
    wandb_run = check_wandb_resume(opt)

    # 2、判断是否使用断点续训resume, 加载参数
    if opt.resume and not wandb_run:
        # 使用断点续训 就从last.pt中读取相关参数
        # 如果resume是str，则将表示传入的是模型的路径地址
        # 如果resume是True，则通过get_lastest_run()函数找到runs为文件夹中最近的权重文件last.pt
        ckpt = opt.resume if isinstance(opt.resume, str) else get_latest_run()
        assert os.path.isfile(ckpt), 'ERROR: --resume checkpoint does not exist' # check
        # 相关的opt参数也要替换成last.pt中的opt参数
        with open(Path(ckpt).parent.parent / 'opt.yaml') as f:
            opt = argparse.Namespace(**yaml.safe_load(f))  # replace
        opt.cfg, opt.weights, opt.resume = '', ckpt, True  # reinstate
        logger.info('Resuming training from %s' % ckpt)    # print
    else:
        # 不使用断点续训 就可以文件中读取相关参数
        # opt.hyp = opt.hyp or ('hyp.finetune.yaml' if opt.weights else 'hyp.scratch.yaml')
        opt.data, opt.cfg, opt.hyp = check_file(opt.data), check_file(opt.cfg), check_file(opt.hyp)  # check files

如果觉得对大家有帮助，欢迎点赞收藏关注，我会继续给大家做实验提供参考。有问题也欢迎私信我。

需要更多程序资料以及答疑欢迎大家关注——微信公众号：人工智能AI算法工程师