04训练——基于YOLO V8的自定义数据集训练——训练结果说明

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_loss的取值范围是从0到正无穷，但通常在0到10之间。

• dfl_loss: 目标检测任务中的距离场损失，表示模型预测的距离场和真实的距离场之间的差异。距离场是一种用于表示边界框中心点和四个角点相对位置的编码方式。损失越小，表示模型越能精确地描述边界框的形状。dfl_loss的取值范围是从0到正无穷，但通常在0到10之间。

•