解决Yolov8训练时box_loss、cls_loss、dfl_loss、Box（P、R、mAP都等于nan

解决yolov8训练的一些问题

1、训练的时候出现box_loss、cls_loss、dfl_loss都为nan的情况，需要将训练的时候的参数进行修改，设置amp=False

2、修改之后训练的时候出现P、R、map值为NAN或者非常小，一般来说基于预训练模型来进行训练P、R、map的值都不会很低，如果出现0.0x这种一般是有点问题，这种情况可以尝试以下操作，需要到ultralytics/cfg文件目录下找到default.yaml的默认设置文件

搜索half，将half改成False

half: False # (bool) use half precision (FP16)

然后还需要将ultralytics/engine目录下的validator进行注释

#self.args.half = self.device.type != "cpu"  # force FP16 val during training

然后就可以愉快的进行训练自己的数据集了

然后查看run/detect下面的结果，找到result.png，查看训练的结果，发现虽然有一点异常波动，但是整体是在不断收敛的，这样就需要不断调整参数或者更改网络结构进行优化

3、一些参数的设置，目前我也是学习阶段，没有摸得很清楚

如果想看到更多的参数可以将训练的时候将val=True

batch_size是根据自己电脑配置来设置，由于我用的卡显存比较小只有4G，所以我一般都设置的batch=1，也可以设置成batch=-1，让它自己给你根据配置来进行设置batchsize

optimizer是优化器用于调整损失函数，默认情况是auto，但是也可以自己设置**'SGD’、‘Adam’、‘AdamW’、‘RMSProp’**

一般还需要进行设置学习率lr，lr我一般设置在0.0001-0.001之间