yolov8 default.yaml默认值汉化中文对照表

yolov8中的默认配置参数都写在了defalut.yaml里面了,如果训练时不指定参数的话,那么就采用默认值。
它的路径的:ultralytics/cfg/default.yaml
yolov8 default.yaml默认值汉化中文对照表_第1张图片

但是默认都是英文的,对于英文不好的新手朋友来说非常不友好,于是翻译成中文了,让大家知道每个值的含义,有什么作用,提供广大网友学习。

task: detect  # (str) YOLO任务,即detect(检测),segment(分割),classify(分类),pose(姿态)
mode: train  # (str) YOLO模式,即train(训练),val(验证),predict(预测),export(导出),track(跟踪),benchmark(基准测试)

# 训练设置 -------------------------------------------------------------------------------------------------------
model:  # (str, optional) 模型文件路径,例如yolov8n.pt,yolov8n.yaml
data:  # (str, optional) 数据文件路径,例如coco128.yaml
epochs: 100  # (int) 训练的轮数
patience: 50  # (int) 早停机制,等待观察不到改善的轮数以提前停止训练
batch: 8  # (int) 每批处理的图像数(-1表示自动批处理)
imgsz: 640  # (int | list) 输入图像的大小,对于训练和验证模式为int,对于预测和导出模式为list[w,h]
save: True  # (bool) 保存训练检查点和预测结果
save_period: -1 # (int) 每x轮保存一次检查点(如果<1则禁用)
cache: False  # (bool) True/ram,disk或False。使用缓存进行数据加载
device:   # (int | str | list, optional) 运行设备,例如cuda device=0或device=0,1,2,3或device=cpu
workers: 8  # (int) 数据加载的工作线程数(每个RANK如果DDP)
project:  # (str, optional) 项目名称
name:  # (str, optional) 实验名称,结果保存在'project/name'目录中
exist_ok: False  # (bool) 是否覆盖现有实验
pretrained: True  # (bool | str) 是否使用预训练模型(bool)或要加载权重的模型(str)
optimizer: auto  # (str) 要使用的优化器,choices=[SGD, Adam, Adamax, AdamW, NAdam, RAdam, RMSProp, auto]
verbose: True  # (bool) 是否打印详细输出
seed: 0  # (int) 用于可重现性的随机种子
deterministic: True  # (bool) 是否启用确定性模式
single_cls: False  # (bool) 将多类数据训练为单类
rect: False  # (bool) 如果mode='train'则进行矩形训练,如果mode='val'则进行矩形验证
cos_lr: False  # (bool) 使用余弦学习率调度程序
close_mosaic: 10  # (int) 在最后几轮禁用马赛克增强(0表示禁用)
resume: False  # (bool) 从上次检查点恢复训练
amp: True  # (bool) 自动混合精度(AMP)训练,choices=[True, False],True运行AMP检查
fraction: 1.0  # (float) 要训练的数据集分数(默认为1.0,训练集中的所有图像)
profile: False  # (bool) 在训练期间为记录器启用ONNX和TensorRT速度
freeze: None  # (int | list, optional) 冻结前n层,或在训练期间冻结层索引的列表

# 分割
overlap_mask: True  # (bool) 训练期间掩码应重叠(仅适用于分割训练)
mask_ratio: 4  # (int) 掩码下采样比率(仅适用于分割训练)
# 分类
dropout: 0.0  # (float) 使用dropout正则化(仅适用于分类训练)

# 验证/测试设置 ----------------------------------------------------------------------------------------------------
val: True  # (bool) 在训练期间进行验证/测试
split: val  # (str) 用于验证的数据集拆分,例如'val','test'或'train'
save_json: False  # (bool) 将结果保存到JSON文件
save_hybrid: False  # (bool) 保存标签的混合版本(标签+额外预测)
conf:  # (float, optional) 用于检测的对象置信度阈值(默认为0.25预测,0.001验证)
iou: 0.7  # (float) 非最大抑制(NMS)的交并比(IoU)阈值
max_det: 300  # (int) 每张图像的最大检测数
half: False  # (bool) 使用半精度(FP16)
dnn: False  # (bool) 使用OpenCV DNN进行ONNX推断
plots: True  # (bool) 在训练/验证期间保存绘图和图像

# 预测设置 -----------------------------------------------------------------------------------------------------
source:  # (str, optional) 图像或视频的源目录
vid_stride: 1  # (int) 视频帧速率跨度
stream_buffer: False  # (bool) 缓冲所有流式帧(True)或返回最近的帧(False)
visualize: False  # (bool) 可视化模型特征
augment: False  # (bool) 对预测源应用图像增强
agnostic_nms: False  # (bool) 类别不可知的NMS
classes:  # (int | list[int], optional) 按类别过滤结果,例如classes=0,或classes=[0,2,3]
retina_masks: False  # (bool) 使用高分辨率分割掩码

# 可视化设置 ---------------------------------------------------------------------------------------------------
show: False  # (bool) 如果环境允许,显示预测的图像和视频
save_frames: False  # (bool) 保存预测的单个视频帧
save_txt: False  # (bool) 将结果保存为.txt文件
save_conf: False  # (bool) 保存带有置信度得分的结果
save_crop: False  # (bool) 保存带有结果的裁剪图像
show_labels: True  # (bool) 显示预测标签,例如'person'
show_conf: True  # (bool) 显示预测置信度,例如'0.99'
show_boxes: True  # (bool) 显示预测框
line_width:   # (int, optional) 边界框的线宽。如果为None,则缩放到图像大小


# 导出设置 ------------------------------------------------------------------------------------------------------
format: torchscript  # (str) 导出格式,选项请参见https://docs.ultralytics.com/modes/export/#export-formats
keras: False  # (bool) 使用Keras
optimize: False  # (bool) TorchScript: 优化为移动设备
int8: False  # (bool) CoreML/TF INT8 量化
dynamic: False  # (bool) ONNX/TF/TensorRT: 动态轴
simplify: False  # (bool) ONNX: 简化模型
opset:  # (int, optional) ONNX: opset 版本
workspace: 4  # (int) TensorRT: 工作空间大小(GB)
nms: False  # (bool) CoreML: 添加NMS

# 超参数 ------------------------------------------------------------------------------------------------------
lr0: 0.01  # (float) 初始学习率(例如SGD=1E-2,Adam=1E-3)
lrf: 0.01  # (float) 最终学习率(lr0 * lrf)
momentum: 0.937  # (float) SGD动量/Adam beta1
weight_decay: 0.0005  # (float) 优化器权重衰减5e-4
warmup_epochs: 3.0  # (float) 预热轮数(可以是小数)
warmup_momentum: 0.8  # (float) 预热初始动量
warmup_bias_lr: 0.1  # (float) 预热初始偏置学习率
box: 7.5  # (float) 目标框损失增益
cls: 0.5  # (float) 类别损失增益(与像素成比例)
dfl: 1.5  # (float) dfl损失增益
pose: 12.0  # (float) 姿态损失增益
kobj: 1.0  # (float) 关键点obj损失增益
label_smoothing: 0.0  # (float) 标签平滑(分数)
nbs: 64  # (int) 名义批次大小
hsv_h: 0.015  # (float) 图像HSV-Hue增强(分数)
hsv_s: 0.7  # (float) 图像HSV-Saturation增强(分数)
hsv_v: 0.4  # (float) 图像HSV-Value增强(分数)
degrees: 0.0  # (float) 图像旋转(+/- deg)
translate: 0.1  # (float) 图像平移(+/- 分数)
scale: 0.5  # (float) 图像缩放(+/- gain)
shear: 0.0  # (float) 图像剪切(+/- deg)
perspective: 0.0  # (float) 图像透视(+/- 分数),范围0-0.001
flipud: 0.0  # (float) 图像上下翻转(概率)
fliplr: 0.5  # (float) 图像左右翻转(概率)
mosaic: 1.0  # (float) 图像马赛克(概率)
mixup: 0.0  # (float) 图像混合(概率)
copy_paste: 0.0  # (float) 分割复制-粘贴(概率)

# 自定义config.yaml ---------------------------------------------------------------------------------------------------
cfg:  # (str, optional) 用于覆盖defaults.yaml的配置

# 追踪器设置 ------------------------------------------------------------------------------------------------------
tracker: botsort.yaml  # (str) 追踪器类型,选项=[botsort.yaml, bytetrack.yaml]

你可能感兴趣的:(YOLO,深度学习,人工智能)