parser.add_argument('--weights', type=str, default=ROOT / '[yolov5s.pt](<http://yolov5s.pt/>)', help='initial weights path'
解析： 模型预训练权重路径，默认为ROOT / ‘yolov5s.pt’ 命令行用法：python train.py --weights yolov5s.pt 注： 1、若在命令行中使用"–weights" 参数，可指定预训练权重文件(路径)； 2、若在命令行不使用"–weights" 参数，则预训练权重文件(路径)为自定义的default默认值； 3、若既使用命令行"–weights" 参数，又自定义了default默认值，则模型使用的是命令行"–weights" 参数指定的预训练权重文件(路径) 4、若不进行预训练，可使用"–weights" 参数指定一个空字符串：“”，或者将default默认值设置为空字符串：“”； 5、若使用yolov5s.pt、yolov5m.pt、yolov5l.pt、yolov5x.pt等yolov5官方预训练权重文件，若没有下载，代码会自动帮你下载，放在ROOT路径下，也就是你yolov5工程项目路径下，但是下载速度一般会很慢，建议先去yolov5官方GitHub中下载好。
parser.add_argument('--cfg', type=str, default='', help='model.yaml path')
python [train.py](<http://train.py/>) --cfg [yolov5s.pt](<http://yolov5s.pt/>)**
解析：模型结构文件路径，默认为空 命令行用法：python train.py --cfg models/yolov5s.yaml 注： 1、在已经使用"–weights" 参数加载了预训练权重的情况下，可以不使用该参数，模型结构直接使用预训练权重中保存的模型结构； 2、不使用"–weights" 参数使用"–cfg" 参数，表示模型从头开始训练，不进行预训练； 3、“–weights” 参数和"–cfg" 参数必须要有一个，不然代码会报错。
parser.add_argument('--data', type=str, default=ROOT / 'data/coco128.yaml', help='dataset.yaml path')
解析：数据集配置文件路径 命令行用法：python train.py --data data/coco128.yaml 注： 1、如果没有检查到数据集，代码会自动下载coco128数据集，也可以自己下载； 2、把yolov5官方的数据集配置文件中的数据集下载部分内容给注释掉，代码则不会自动下载。
parser.add_argument('--hyp', type=str, default=ROOT / 'data/hyps/hyp.scratch-low.yaml', help='hyperparameters path')
解析：训练超参数配置文件路径 命令行用法：python train.py --hyp data/hyps/hyp.scratch-low.yaml
parser.add_argument('--epochs', type=int, default=100, help='total training epochs')
解析：训练迭代轮数 命令行用法：python train.py --epochs n 注： 1、epochs表示训练整个训练集的次数，epoch为n表示将整个训练集训练n次。
parser.add_argument('--batch-size', type=int, default=16, help='total batch size for all GPUs, -1 for autobatch')
解析：训练批量大小 命令行用法：python train.py --batch-size n 注： 1、训练批量大小表示每个 mini-batch 中的样本数，batch-size设置为n表示一次性从训练集中获取n张图片送入模型进行训练； 2、batch-size大小需要根据自己设备GPU的资源合理设置。