-
从YAML中构建一个新模型，并从头开始训练
yolo detect train data=coco128.yaml model=yolov8n.yaml epochs=100 imgsz=640# 从预先训练的*.pt模型开始训练 yolo detect train data=coco128.yaml model=yolov8n.pt epochs=100 imgsz=640# 从YAML中构建一个新的模型，将预训练的权重传递给它，并开始训练 yolo detect train data=coco128.yaml model=yolov8n.yaml pretrained=yolov8n.pt epochs=100 imgsz=640
from ultralytics import YOLO# Load a model
model = YOLO('yolov8n.yaml') # 从YAML中构建一个新模型
model = YOLO('yolov8n.pt') #加载预训练的模型(推荐用于训练)
model = YOLO('yolov8n.yaml').load('yolov8n.pt') # 从YAML构建并传递权重# Train the model
model.train(data='coco128.yaml', epochs=100, imgsz=640)
model 传入的model.yaml文件或者model.pt文件，用于构建网络和初始化，不同点在于只传入yaml文件的话参数会随机初始化 data 训练数据集的配置yaml文件 epochs 训练轮次，默认100 patience 早停训练观察的轮次，默认50，如果50轮没有精度提升，模型会直接停止训练 batch 训练批次，默认16 imgsz 训练图片大小，默认640 save 保存训练过程和训练权重，默认开启 save_period 训练过程中每x个轮次保存一次训练模型，默认-1（不开启） cache 是否采用ram进行数据载入，设置True会加快训练速度，但是这个参数非常吃内存，一般服务器才会设置 device 要运行的设备，即cuda device =0或Device =0,1,2,3或device = cpu workers 载入数据的线程数。windows一般为4，服务器可以大点，windows上这个参数可能会导致线程报错，发现有关线程报错，可以尝试减少这个参数，这个参数默认为8，大部分都是需要减少的 project 项目文件夹的名，默认为runs name 用于保存训练文件夹名，默认exp，依次累加 exist_ok 是否覆盖现有保存文件夹，默认Flase pretrained 是否加载预训练权重，默认Flase optimizer 优化器选择，默认SGD，可选[SGD、Adam、AdamW、RMSProP] verbose 是否打印详细输出 seed 随机种子，用于复现模型，默认0 deterministic 设置为True，保证实验的可复现性 single_cls 将多类数据训练为单类，把所有数据当作单类训练，默认Flase image_weights 使用加权图像选择进行训练，默认Flase rect 使用矩形训练，和矩形推理同理，默认False cos_lr 使用余弦学习率调度，默认Flase close_mosaic 最后x个轮次禁用马赛克增强，默认10 resume 断点训练，默认Flase lr0 初始化学习率，默认0.01 lrf 最终学习率，默认0.01 label_smoothing 标签平滑参数，默认0.0 dropout 使用dropout正则化(仅对训练进行分类)，默认0.0
-
模型导出
from ultralytics import YOLO# Load a model model = YOLO('yolov8n.pt') # load an official model model = YOLO('path/to/best.pt') # load a custom trained# Export the model model.export(format='onnx')format 导出的格式，默认’torchscript’，可选如上支持的格式 onnx、engine、openvino等 imgsz 导出时固定的图片推理大小，为标量或(h, w)列表，即(640,480) ，默认640 keras 使用Keras导出TF SavedModel ，用于部署tensorflow模型，默认False optimize 是否针对移动端对TorchScript进行优化 half fp16量化导出，默认False int8 int8量化导出，默认False dynamic 针对ONNX/TF/TensorRT:动态推理，默认False simplify onnx simplify简化，默认False opset onnx的Opset版本(可选，默认为最新) workspace TensorRT:工作空间大小(GB)，默认4 nms 导出CoreML，添加NMS
标签：pt,训练,默认,YOLOv8,解读,yaml,yolov8n,参数,model From： https://www.cnblogs.com/zhml/p/17814356.html