[Train]
;True使用cuda训练
cuda                = True
; 用于固定随机种子
; 使得每次独立训练都可以获得一样的结果
seed                = 12
;distributed     用于指定是否使用单机多卡分布式运行
;                终端指令仅支持Ubuntu。CUDA_VISIBLE_DEVICES用于在Ubuntu下指定显卡。
;                Windows系统下默认使用DP模式调用所有显卡，不支持DDP。
;DP模式：
;    设置            distributed = False
;    在终端中输入    CUDA_VISIBLE_DEVICES=0,1 python train.py
;DDP模式：
;    设置            distributed = True
;    在终端中输入    CUDA_VISIBLE_DEVICES=0,1 python -m torch.distributed.launch --nproc_per_node=2 train.py
distributed         = False
; sync_bn     是否使用sync_bn，DDP模式多卡可用
sync_bn             = False
fp16                = False
classes_path        = model_data/voc_classes.txt
anchors_path        = model_data/yolo_anchors.txt
anchors_mask        = [[6, 7, 8], [3, 4, 5], [0, 1, 2]]
model_path          = 
input_shape         = [640, 640]
backbone            = cspdarknet
pretrained          = False
phi                 = x
; mosaic              马赛克数据增强。
; mosaic_prob         每个step有多少概率使用mosaic数据增强，默认50%。

; mixup               是否使用mixup数据增强，仅在mosaic=True时有效。
;                     只会对mosaic增强后的图片进行mixup的处理。
; mixup_prob          有多少概率在mosaic后使用mixup数据增强，默认50%。
;                     总的mixup概率为mosaic_prob * mixup_prob。

; special_aug_ratio   参考YoloX，由于Mosaic生成的训练图片，远远脱离自然图片的真实分布。
;                     当mosaic=True时，本代码会在special_aug_ratio范围内开启mosaic。
;                     默认为前70%个epoch，100个世代会开启70个世代。
mosaic              = False
mosaic_prob         = 0.5
mixup               = True
mixup_prob          = 0.5
special_aug_ratio   = 0.7
; label_smoothing     标签平滑。一般0.01以下。如0.01、0.005。
label_smoothing     = 0.01

[dataset]
classes_path        = model_data/voc_classes.txt