1、训练过程中参数说明
运行YOLO V8的训练代码将会看到以下执行的情况。
在上图中,我们可以看到每一轮训练的指标情况,YOLOv8训练过程中的输出指标具体介绍如下:
• Epoch: 当前的训练轮数,一轮表示所有的训练数据都被模型处理一次。例如,1/100表示第一轮训练,总共有100轮。Epoch的取值范围是从1到总轮数,例如100。Epoch表示模型训练的进度,越大表示模型训练得越充分。
• GPU_mem: 当前使用的GPU显存量,单位是GB。GPU显存是用于存储模型参数和数据的内存,越大越好。GPU_mem的取值范围是从0到GPU的最大显存量,例如16GB。GPU_mem表示模型训练时使用的显存量,越大表示模型越复杂或者数据越大。
• box_loss: 目标检测任务中的边界框损失,表示模型预测的边界框和真实的边界框之间的差异。损失越小,表示模型越能准确地定位物体。 box_loss的取值范围是从0到正无穷,但通常在0到10之间。
• cls_loss: 目标检测任务中的分类损失,表示模型预测的物体类别和真实的物体类别之间的差异。损失越小,表示模型越能正确地识别物体。cls_