YOLOv5 的 train.py 里这些参数控制了训练过程的方方面面。下面我把它们分成几类，逐一解释每个参数的作用，方便你理解。

1. 模型与数据配置
• --weights：初始权重文件路径，默认 yolov5s.pt。可以指定预训练模型（如 yolov5s.pt）进行迁移学习，也可以设为空字符串 '' 从零开始训练。
• --cfg：模型结构配置文件（model.yaml）的路径。如果你不想用预训练权重，而是想从头搭建模型，可以通过这个参数指定。通常与 --weights '' 一起使用。
• --data：数据集配置文件路径，例如 data/coco128.yaml。里面定义了训练/验证图片路径、类别数量和名称等信息。
• --hyp：超参数配置文件路径，例如 data/hyp.scratch.yaml。包含学习率、动量、数据增强强度等所有超参数。
• --single-cls：把所有类别视为一个类别。当你只关心“有没有目标”而不关心类别时使用。

2. 训练过程控制
• --epochs：训练的总轮数，默认 300。
• --batch-size：一次迭代送入网络的图片数量，默认 16。受显存限制，越大越稳定但占用显存越多。
• --img-size：训练和测试时输入图片的尺寸，默认 [640, 640]。可以是单个值（例如 640），也可以分别指定训练和测试尺寸。
• --rect：矩形训练。每批图片保持各自的长宽比，只做最小填充，能加快训练并减少冗余计算。
• --resume：从最近一次中断的训练中恢复。直接 --resume 会自动找最新的检查点，也可以指定 .pt文件路径。
• --nosave：仅保存最后一个 epoch 的模型权重，不保存中间结果，可节省磁盘空间。
• --notest：只在最后一个 epoch 进行测试，中间的 epoch 不测试，可以加快训练。
• --save_period：每隔多少个 epoch 保存一次模型权重，-1 表示只按默认保存（通常最后和最好的）。

3. 优化器与学习率
• --adam：使用 Adam 优化器，否则默认使用 SGD 带动量。
• --linear-lr：使用线性学习率衰减，否则默认是余弦退火衰减方式。
• --label-smoothing：标签平滑系数，默认为 0。设置一个很小的值（如 0.01）可以防止过拟合，让模型不要对标签过于“自信”。

4. 数据加载与增强
• --cache-images：将图片缓存在内存或磁盘，减少反复读图的 IO 时间，加快训练，但会占用更多系统内存。
• --image-weights：用加权图像采样，根据验证集上表现差的图像会被更频繁地训练，相当于“针对难例训练”。
• --multi-scale：多尺度训练，图片尺寸在每个 batch 会随机变化 ±50%，提高模型对不同尺度的鲁棒性。
• --quad：四通道数据加载器，会在拼接图片时把 4 张图拼成一个大正方形，某些情况下可提高精度（搭配特定的训练策略）。
• --noautoanchor：禁用自动锚框检查。YOLOv5 会根据数据集自动调整锚框尺寸，如果不希望它修改，就加上这个参数。

5. 硬件与分布式训练
• --device：指定训练设备，如 0 表示第一块 GPU，0,1,2,3 多卡训练，cpu 使用 CPU。
• --workers：数据加载的进程数，默认 0 表示只使用主进程。增大 workers 可加速数据加载，一般设为 CPU 核心数或 GPU 数量的 4 倍。
• --sync-bn：同步批归一化，只有多卡分布式训练（DDP 模式）时有效，能让 BN 统计跨 GPU 同步，提升精度。
• --local_rank：分布式训练的进程编号，用户不要手动修改，由启动脚本自动传入。

6. 保存路径与日志追踪
• --project：训练结果保存的根目录，默认 runs/train。
• --name：本次实验的名称，保存时会放在 project/name 下，默认是 exp。
• --exist-ok：如果保存的目录已经存在，不会自动新建带编号的文件夹（如 exp1），而是直接覆盖，常用于重跑某个实验。

7. Weights & Biases（W&B）集成
这些参数用于连接 W&B 平台做实验管理和可视化的，本地训练一般可忽略。
• --entity：你的 W&B 团队或用户名。
• --upload_dataset：将数据集上传为 W&B 的 artifact 版本管理。
• --bbox_interval：每隔几个 epoch 上传一次带有边界框的图片到 W&B，默认为 -1 表示不上传。
• --artifact_alias：使用的 W&B 数据集 artifact 的别名，默认为 latest。

8. 其他高级选项
• --evolve：超参数进化搜索。开启后会进行多次训练，自动寻找最优超参数组合。
• --bucket：谷歌云存储的存储桶名称，用于云端保存模型或数据，本地训练基本用不到。