YOLOV8模型训练各类参数设置全面详解

简介

Ultralytics YOLOv8 的训练模式专为高效训练目标检测模型而设计，充分利用现代硬件功能。本文章在涵盖使用 YOLOv8 的强大功能集训练您自己的模型所需的所有细节。

为什么选择 Ultralytics YOLO 进行训练？

以下是选择 YOLOv8 训练模式的一些令人信服的理由：

• 效率：充分利用硬件，支持单 GPU 和多 GPU。
• 多功能性：除了现成的数据集如 COCO、VOC 和 ImageNet，还可以在自定义数据集上进行训练。
• 用户友好：简单而强大的 CLI （命令行）和 Python 接口，提供简便的训练体验。
• 超参数灵活性：广泛的可定制超参数，以微调模型性能。

Ultralytics YOLO训练模型特点

以下是 YOLOv8 训练模式的一些显著特征：

• 自动数据集下载：首次使用时自动下载标准数据集如 COCO、VOC 和 ImageNet。
• 多 GPU 支持：无缝扩展训练，利用多 GPU 加快训练过程。
• 超参数配置：通过 YAML 配置文件或 CLI 参数修改超参数。
• 可视化和监控：实时跟踪训练指标和可视化学习过程以获得更好的洞察。

提示：YOLOv8 数据集如 COCO、VOC、ImageNet 等在首次使用时自动下载，例如 yolo train data=coco.yaml

利用Ultralytics YOLO训练模型的简单使用示例

在 COCO8 数据集上训练 YOLOv8n 100 个 epoch，图像大小为 640。可以使用 device 参数指定训练设备。**如果未传递参数，将使用 GPU device=0（如果可用），否则使用 device=‘cpu’。**有关完整的训练参数列表，请参见下面的 Arguments 部分。

单 GPU 和 CPU 训练示例

设备会自动确定。如果有 GPU 可用，则使用 GPU，否则在 CPU 上开始训练。

from ultralytics import YOLO

# 加载模型（以下三个语句，你只需选择一行即可）
model = YOLO("yolov8n.yaml")  # 从 YAML 构建新模型
model = YOLO("yolov8n.pt")  # 加载预训练模型（推荐用于训练）
model = YOLO("yolov8n.yaml").load("yolov8n.pt")  # 从 YAML 构建并转移权重

# 训练模型
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

多 GPU 训练

多 GPU 训练通过在多个 GPU 上分配训练负载来更高效地利用可用硬件资源。此功能通过 Python API 和命令行接口均可用。要启用多 GPU 训练，请指定要使用的 GPU 设备 ID。

多 GPU 训练示例

要使用 2 个 GPU 训练，CUDA 设备 0 和 1 使用以下命令。根据需要扩展到其他 GPU。

from ultralytics import YOLO

# 加载模型
model = YOLO("yolov8n.pt")  # 加载预训练模型（推荐用于训练）

# 使用 2 个 GPU 训练模型
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=[0, 1])

Apple M1 和 M2 MPS 训练

Ultralytics YOLO 模型集成了对 Apple M1 和 M2 芯片的支持，现在可以在使用强大的 Metal Performance Shaders (MPS) 框架的设备上训练模型。MPS 提供了一种高性能的方式在 Apple 定制芯片上执行计算和图像处理任务。

要在 Apple M1 和 M2 芯片上启用训练，应在启动训练过程时指定 ‘mps’ 作为设备。以下是在 Python 和命令行中进行设置的示例：

MPS 训练示例

from ultralytics import YOLO

# 加载模型
model = YOLO("yolov8n.pt")  # 加载预训练模型（推荐用于训练）

# 使用 MPS 训练模型
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device="mps")

利用 M1/M2 芯片的计算能力，这能更高效地处理训练任务。有关更详细的指导和高级配置选项，请参阅 PyTorch MPS 文档。

恢复中断的训练

从以前保存的状态恢复训练是处理深度学习模型时的一个关键功能。这在训练过程意外中断或希望用新数据继续训练模型或增加 epoch 时非常有用。

恢复训练时，Ultralytics YOLO 会加载上次保存的模型权重，并恢复优化器状态、学习率调度器和 epoch 编号。这使您可以无缝地从中断处继续训练过程。

您可以通过在调用 train 方法时将 resume 参数设置为 True，并指定包含部分训练模型权重的 .pt 文件路径，轻松在 Ultralytics YOLO 中恢复训练。

以下是在 Python 和命令行中恢复中断训练的示例：

恢复训练示例

from ultralytics import YOLO

# 加载模型
model = YOLO("path/to/last.pt")  # 加载部分训练的模型

# 恢复训练
results = model.train(resume=True)

通过设置 resume=True，train 函数将使用存储在 ‘path/to/last.pt’ 文件中的状态继续训练。如果省略或将 resume 参数设置为 False，train 函数将启动新的训练会话。

请记住，检查点默认在每个 epoch 结束时保存，或使用 save_period 参数以固定间隔保存，因此必须完成至少 1 个 epoch 才能恢复训练。

注意：如果你在训练模型时没特别指定存储位置，那么.pt文件通常在运行训练代码所在目录下的runs目录之内（例如runs\detect\train1\weights\last.pt）。如下图:

训练设置所有参数详解

YOLO 模型的训练设置包括在训练过程中使用的各种超参数和配置。这些设置会影响模型的性能、速度和准确性。关键的训练设置包括批量大小、学习率、动量和权重衰减。此外，优化器的选择、损失函数和训练数据集的组成也会影响训练过程。仔细调整和实验这些设置对于优化性能至关重要。

参数	默认值	描述
model	None	指定训练模型文件。接受 .pt 预训练模型或 .yaml 配置文件的路径。对定义模型结构或初始化权重至关重要。
data	None	数据集配置文件的路径（如 coco8.yaml）。该文件包含数据集特定参数，包括训练和验证数据的路径、类别名称和类别数量。注意：该yaml文件中必须至少包含训练集和验证集数据路径。
epochs	100	总训练 epochs 数。每个 epoch 代表完整遍历整个数据集一次。调整此值会影响训练时长和模型性能。
time	None	最大训练时间（小时）。如果设置，将覆盖 epochs 参数，允许在指定时间后自动停止训练。适用于时间受限的训练场景。
patience	100	在验证指标没有改进的情况下等待的 epochs 数，之后提前停止训练。通过在性能停滞时停止训练来防止过拟合。
batch	16	批量大小，有三种模式：设置为整数（如 batch=16），自动模式为 GPU 内存利用率的 60%（batch=-1），或指定利用率分数的自动模式（batch=0.70）。当你不会根据图像大小计算所需内存时，后面两种模式很有用。
imgsz	640	训练的目标图像大小。所有图像在输入模型前都将调整为此尺寸。影响模型准确性和计算复杂性。
save	True	启用训练检查点和最终模型权重的保存。对于恢复训练或模型部署非常有用。
save_period	-1	模型检查点保存频率，以 epochs 为单位。值为 -1 禁用此功能。在长时间训练期间保存中间模型非常有用。
cache	False	启用数据集图像缓存到内存（True/ram）、磁盘（disk）或禁用（False）。通过减少磁盘 I/O 提高训练速度，但增加内存使用。
device	None	指定训练的计算设备：单个 GPU（device=0），多个 GPU（device=0,1），CPU（device=cpu），或 Apple 芯片的 MPS（device=mps）。
workers	8	数据加载的工作线程数（如果是多 GPU 训练，则按 RANK 计算）。影响数据预处理和输入模型的速度，尤其在多 GPU 设置中。
project	None	保存训练输出的项目目录名称。允许有组织地存储不同实验。
name	None	训练运行的名称。用于在项目文件夹内创建子目录，保存训练日志和输出。
exist_ok	False	如果为 True，允许覆盖现有的项目/名称目录。适用于无需手动清理先前输出的迭代实验。
pretrained	True	决定是否从预训练模型开始训练。可以是布尔值或字符串路径，指定从哪个模型加载权重。增强训练效率和模型性能。
optimizer	‘auto’	训练的优化器选择。选项包括 SGD、Adam、AdamW、NAdam、RAdam、RMSProp 等，或根据模型配置自动选择。影响收敛速度和稳定性。
verbose	False	启用详细输出，在训练期间提供详细日志和进度更新。适用于调试和密切监控训练过程。
seed	0	设置训练的随机种子，确保在相同配置下结果的可重复性。
deterministic	True	强制使用确定性算法，确保可重复性，但可能因限制非确定性算法而影响性能和速度。
single_cls	False	在训练期间将多类数据集中的所有类视为单一类。适用于二分类任务或专注于对象存在而非分类时。
rect	False	启用矩形训练，优化批次组成以最小化填充。可以提高效率和速度，但可能影响模型准确性。
cos_lr	False	使用余弦学习率调度器，按余弦曲线调整学习率。帮助更好地管理学习率以实现更好的收敛。
close_mosaic	10	在最后 N 个 epochs 中禁用马赛克数据增强，以在完成前稳定训练。设置为 0 禁用此功能。
resume	False	从上次保存的检查点恢复训练。自动加载模型权重、优化器状态和 epoch 计数，继续无缝训练。
amp	True	启用自动混合精度（AMP）训练，减少内存使用并可能加快训练速度，对准确性的影响最小。
fraction	1.0	指定用于训练的数据集的比例。允许在数据集的子集中进行训练，适用于实验或资源有限时。
profile	False	启用训练期间 ONNX 和 TensorRT 速度的分析，优化模型部署。
freeze	None	冻结模型的前 N 层或按索引指定的层，减少可训练参数数量。适用于微调或迁移学习。
lr0	0.01	初始学习率（如 SGD=1E-2，Adam=1E-3）。调整此值对优化过程至关重要，影响模型权重的更新速度。
lrf	0.01	最终学习率作为初始率的分数 = (lr0 * lrf)，与调度器一起使用以随时间调整学习率。
momentum	0.937	SGD 的动量因子或 Adam 的 beta1，影响当前更新中过去梯度的合并。
weight_decay	0.0005	L2 正则化项，惩罚大权重以防止过拟合。
warmup_epochs	3.0	学习率预热的 epochs 数，从低值逐渐增加到初始学习率，以在早期稳定训练。
warmup_momentum	0.8	预热阶段的初始动量，在预热期内逐渐调整到设定动量。
warmup_bias_lr	0.1	预热阶段偏置参数的学习率，有助于在初始 epochs 中稳定模型训练。
box	7.5	损失函数中 box 损失组件的权重，影响准确预测边界框坐标的重要性。
cls	0.5	总损失函数中分类损失的权重，影响正确类别预测相对于其他组件的重要性。
dfl	1.5	分布焦点损失的权重，用于某些 YOLO 版本的细粒度分类。
pose	12.0	在姿态估计训练的模型中姿态损失的权重，影响准确预测姿态关键点的重要性。
kobj	2.0	姿态估计模型中关键点对象性的损失权重，平衡检测置信度与姿态准确性。
label_smoothing	0.0	应用标签平滑，将硬标签软化为目标标签和标签间的均匀分布的混合，可以改善泛化。
nbs	64	用于损失归一化的名义批大小。
overlap_mask	True	决定在训练期间分割掩码是否应重叠，适用于实例分割任务。
mask_ratio	4	分割掩码的下采样率，影响训练期间使用的掩码分辨率。
dropout	0.0	分类任务的正则化丢弃率，通过在训练期间随机忽略单元来防止过拟合。
val	True	启用训练期间的验证，允许定期评估模型在单独数据集上的性能。
plots	False	生成并保存训练和验证指标的图表以及预测示例，为模型性能和学习进展提供视觉洞察。

批量大小设置说明

批量参数可以通过三种方式配置：

固定批量大小：设置为整数值（如 batch=16），直接指定每批次的图像数量。
自动模式（60% GPU 内存）：使用 batch=-1 自动调整批量大小，以大约 60% 的 CUDA 内存利用率。
具有利用率分数的自动模式：设置为分数值（如 batch=0.70）以根据指定的 GPU 内存使用分数调整批量大小。

图像增强设置和超参数

增强技术对于通过引入训练数据的多样性来提高 YOLO 模型的鲁棒性和性能至关重要，帮助模型更好地泛化到未见过的数据。以下表格概述了每个增强参数的用途和效果：

参数	类型	默认值	范围	描述
hsv_h	float	0.015	0.0 - 1.0	调整图像的色调，增加颜色变化，有助于模型在不同光照条件下泛化。
hsv_s	float	0.7	0.0 - 1.0	改变图像的饱和度，影响颜色的强度。用于模拟不同的环境条件。
hsv_v	float	0.4	0.0 - 1.0	修改图像的亮度，有助于模型在各种光照条件下表现良好。
degrees	float	0.0	-180 - +180	随机旋转图像，提升模型识别不同方向物体的能力。
translate	float	0.1	0.0 - 1.0	水平和垂直平移图像，帮助模型学会检测部分可见的物体。
scale	float	0.5	>=0.0	按比例缩放图像，模拟不同距离的物体。
shear	float	0.0	-180 - +180	按指定角度剪切图像，模拟从不同角度观看物体的效果。
perspective	float	0.0	0.0 - 0.001	对图像应用随机透视变换，增强模型理解三维空间中物体的能力。
flipud	float	0.0	0.0 - 1.0	以指定概率上下翻转图像，增加数据多样性而不影响物体特性。
fliplr	float	0.5	0.0 - 1.0	以指定概率左右翻转图像，有助于学习对称物体，并增加数据集多样性。
bgr	float	0.0	0.0 - 1.0	以指定概率将图像通道从 RGB 翻转为 BGR，提高对错误通道顺序的鲁棒性。
mosaic	float	1.0	0.0 - 1.0	将四张训练图像组合成一张，模拟不同场景构图和物体交互。非常有效的复杂场景理解。
mixup	float	0.0	0.0 - 1.0	将两张图像及其标签混合，创建复合图像。通过引入标签噪声和视觉变化，提高模型的泛化能力。
copy_paste	float	0.0	0.0 - 1.0	将一个图像中的物体复制并粘贴到另一个图像中，有助于增加物体实例并学习物体遮挡。
auto_augment	str	randaugment	-	自动应用预定义的增强策略（randaugment、autoaugment、augmix），通过多样化视觉特征优化分类任务。
erasing	float	0.4	0.0 - 0.9	在分类训练期间随机擦除图像的一部分，鼓励模型关注较不明显的特征。
crop_fraction	float	1.0	0.1 - 1.0	将分类图像裁剪为其大小的一部分，以强调中心特征并适应物体尺度，减少背景干扰。

这些设置可以根据数据集和任务的具体需求进行调整。通过不同值的实验，可以找到最佳的增强策略，从而达到最佳的模型性能。