1. 先搞清楚YOLO到底能帮你做什么以及为什么现在学它如果你刚接触计算机视觉或者想找一个能快速上手、效果立竿见影的目标检测工具那YOLOYou Only Look Once系列绝对是首选。它不是什么新概念但直到现在依然是工业界和学术界落地最广、生态最成熟的实时目标检测框架之一。对于新手来说最直接的价值是你不需要从零推导复杂的数学公式就能用几行代码让电脑“看懂”图片里的物体在哪里、是什么。很多人一上来就纠结YOLOv5、v8、v10甚至刚出的YOLO26哪个更好。我的建议是别管版本号先抓住核心YOLO是一个端到端的检测框架输入一张图片直接输出图中所有物体的类别和位置框Bounding Box。你学的是这套流程和思想具体版本只是实现细节和性能的迭代。从v5开始Ultralytics团队已经把整个生态做得非常“傻瓜化”了安装、训练、部署的门槛被大幅降低。所以这篇内容的目标不是让你成为YOLO算法专家而是让你能独立完成从环境搭建到训练出自己第一个定制化检测模型的全过程。你会经历配环境、跑通官方Demo、准备自己的图片和标注、开始训练、评估模型效果、最后用模型去预测新图片。整个过程像搭积木每一步都有明确的输入和输出。只要你有一台能跑Python的电脑有GPU更好跟着步骤走半天内就能看到自己训练的模型在“工作”。2. 环境安装避开第一个大坑一次配好几乎所有新手卡住的第一步都是环境。问题通常不是YOLO本身复杂而是Python环境、PyTorch版本、CUDA驱动这些底层依赖没对齐。我建议用最稳妥的路线先确保PyTorch能正确识别你的GPU如果有的话再装Ultralytics包。2.1 核心依赖Python与PyTorch首先你需要一个Python环境3.8以上版本比较稳妥。直接用系统自带的Python或者Anaconda创建虚拟环境都行。我习惯用Conda因为能很好地隔离不同项目的依赖。# 创建一个名为yolo_env的虚拟环境指定Python版本 conda create -n yolo_env python3.10 conda activate yolo_env接下来是重头戏安装PyTorch。请务必去PyTorch官网pytorch.org用它的安装命令生成器。这是最不容易出错的方法。你需要根据你的操作系统、包管理工具Conda或Pip、CUDA版本如果你有NVIDIA GPU并安装了驱动来选择命令。例如对于Linux/Conda/CUDA 11.8的用户官网可能给出的命令是conda install pytorch torchvision torchaudio pytorch-cuda11.8 -c pytorch -c nvidia对于只有CPU的Windows用户命令可能是pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu安装后强烈建议立刻验证PyTorch能否调用GPUimport torch print(torch.__version__) # 打印PyTorch版本 print(torch.cuda.is_available()) # 打印True说明GPU可用 print(torch.cuda.get_device_name(0)) # 打印你的GPU型号如果torch.cuda.is_available()返回False但你有GPU那大概率是CUDA版本或驱动不匹配需要根据PyTorch官网的兼容表重新调整。2.2 安装Ultralytics YOLOPyTorch搞定后安装Ultralytics包就非常简单了pip install ultralytics这个命令会安装YOLO目前默认是v8/v10/26等版本的核心接口以及所有必要的依赖。安装完成后可以快速验证一下yolo checks这个命令会检查环境、显示关键信息如Ultralytics版本、PyTorch版本、GPU状态等非常方便。注意网上有些老教程会让人去克隆YOLOv5的GitHub仓库然后pip install -r requirements.txt。对于新手我不推荐这种方式。直接pip install ultralytics是官方现在主推的、更统一和干净的方式它封装了训练、验证、预测、导出等所有功能。2.3 可能遇到的问题与解决思路“No module named ‘ultralytics’”说明没安装成功。尝试用pip install ultralytics -i https://pypi.org/simple指定官方源或者升级pippip install --upgrade pip。训练时CUDA out of memory这是显存不够。在训练命令里加参数imgsz640甚至320来减小输入图像尺寸或者减小batch-size默认是16可以改为4或8。速度慢得像CPU如果torch.cuda.is_available()是True但还是很慢检查任务管理器Windows或nvidia-smiLinux看GPU是否真的有负载。有时是数据加载DataLoader的workers数设为0导致瓶颈在CPU可以适当增加workers参数如workers4。环境配置的核心就两点PyTorch认对GPUUltralytics包成功安装。做到这两点你就跨过了最陡的那个坡。3. 初体验用预训练模型完成第一次推理环境好了别急着搞自己的数据。先用官方预训练模型跑个推理感受一下流程并确认整个链路是通的。Ultralytics YOLO的API设计得非常简洁预测一张图片只需要几行代码from ultralytics import YOLO # 加载一个预训练模型比如轻量级的YOLO26n model YOLO(yolo26n.pt) # 首次运行会自动从网上下载模型文件 # 对一张图片进行预测 results model(https://ultralytics.com/images/bus.jpg) # 可以直接用图片URL也可以用本地路径如‘path/to/your/image.jpg’ # 结果可视化 results[0].show() # 显示带检测框的图片 # 或者保存结果 results[0].save(output.jpg)运行这段代码你会看到它下载一个模型文件.pt然后对示例图片中的公交车、行人等进行检测并生成一张画了框的output.jpg。这个过程包含了模型加载、推理、后处理画框三个关键步骤。除了图片它还支持视频、摄像头流、批量图片目录等。例如预测一个视频results model.predict(sourcepath/to/video.mp4, saveTrue) # predict方法功能更丰富predict方法有很多实用参数conf: 置信度阈值低于这个值的检测结果会被过滤掉。默认0.25可以调高如0.5来减少误检。imgsz: 推理时图片的尺寸。默认640越大通常精度越高但速度越慢。save_txt: 是否将检测结果保存为YOLO格式的标签文件.txt用于后续分析。这一步的目的是建立信心并熟悉最基本的API调用。如果这里都报错那一定是环境问题回头去检查第二节。4. 准备自定义数据集从图片到标准格式能用现成模型检测“猫狗行人”之后下一步就是教模型认识你关心的东西比如“生产线上的瑕疵品”、“停车场里的空车位”、“显微镜下的特定细胞”。这就需要自定义数据集。4.1 数据采集与标注收集图片尽可能覆盖你的目标物体在各种场景、光照、角度、遮挡下的情况。数量上每个类别至少准备几百张图片越多越好多样性比单纯的数量更重要。标注工具推荐使用LabelImg、CVAT或Roboflow。对于新手LabelImg界面简单直接生成YOLO格式的.txt文件。安装LabelImg:pip install labelImg然后命令行输入labelImg打开。使用打开图片目录用矩形框画出物体输入类别标签如defect保存。它会为每张图片生成一个同名的.txt文件。4.2 理解YOLO标注格式这是关键。YOLO需要的.txt标注文件每一行代表图片中的一个物体格式为class_id x_center y_center width heightclass_id: 类别的整数索引从0开始。比如0代表“cat”1代表“dog”。x_center, y_center, width, height: 物体边界框的中心点坐标和宽高这些值都是相对于图片宽度和高度的归一化值范围0-1。假设一张图片宽为640像素高为480像素你标注了一个物体其边界框左上角在(100, 120)右下角在(300, 360)。那么框中心 x (100 300) / 2 / 640 400 / 2 / 640 0.3125框中心 y (120 360) / 2 / 480 480 / 2 / 480 0.5框宽度 w (300 - 100) / 640 200 / 640 0.3125框高度 h (360 - 120) / 480 240 / 480 0.5 所以这一行标注就是0 0.3125 0.5 0.3125 0.5假设class_id是0。LabelImg等工具会自动帮你计算这个归一化值你只需要知道它的含义在偶尔需要手动检查或处理数据时能看懂。4.3 组织数据集目录结构YOLO训练需要数据集按照特定结构组织。一个标准的目录树如下your_dataset/ ├── images/ │ ├── train/ # 训练集图片 │ │ ├── img1.jpg │ │ └── ... │ └── val/ # 验证集图片 │ ├── img100.jpg │ └── ... └── labels/ ├── train/ # 训练集标签与图片同名.txt │ ├── img1.txt │ └── ... └── val/ # 验证集标签 ├── img100.txt └── ...你需要把收集的图片按一定比例如8:2或9:1分成训练集train和验证集val分别放到images/train/和images/val/。对应的标注文件放到labels/train/和labels/val/。4.4 创建数据集配置文件.yaml最后你需要创建一个YAML文件来告诉YOLO你的数据集在哪、有哪些类别。这个文件是连接你的数据和训练代码的桥梁。# dataset.yaml path: /home/user/your_dataset # 数据集的根目录绝对路径 train: images/train # 训练集图片的相对路径相对于path val: images/val # 验证集图片的相对路径 # 类别列表 names: 0: cat 1: dog 2: person # ... 你的其他类别把path换成你数据集的实际路径。这个dataset.yaml文件就是下一步训练时要用的data参数。5. 训练你自己的YOLO模型数据准备好了训练就是水到渠成的一步。Ultralytics把训练过程封装得极其简单。5.1 启动训练基本训练命令如下from ultralytics import YOLO # 加载一个预训练模型作为起点迁移学习强烈推荐 model YOLO(yolo26n.pt) # 开始训练 results model.train( datapath/to/your/dataset.yaml, # 上一步创建的数据集配置文件 epochs100, # 训练轮数根据数据集大小调整通常50-300 imgsz640, # 输入图像大小 batch16, # 批次大小根据GPU显存调整 namemy_custom_train, # 本次训练的实验名称用于保存结果 device0, # 使用GPU 0如果是CPU则设为‘cpu’ )运行这段代码训练就开始了。控制台会打印每一轮epoch的训练损失、验证指标等。所有输出模型权重、日志、评估结果都会保存在runs/detect/my_custom_train/目录下。5.2 关键训练参数解析epochs: 模型遍历整个训练集的次数。太少学不好太多可能过拟合。从小数据集几百张图的100轮到大数据集的上千轮都有可能。建议先设一个中等值如100观察验证集指标mAP不再明显上升时就可以考虑早停。imgsz: 模型输入的图像尺寸。这是影响速度和精度的关键参数。尺寸越大模型能看到的细节越多精度可能越高但显存占用更大、训练更慢。常见的尺寸有320, 640, 1280。对于大多数场景640是一个不错的起点。batch: 一次送入模型的图片数量。越大训练越稳定、越快但显存占用线性增长。如果出现CUDA内存不足OOM错误首先降低batch如16-8-4或者降低imgsz。workers: 数据加载的进程数。用于加速数据从硬盘到GPU的预处理流程。如果训练时GPU利用率很低比如长期低于50%而CPU有空闲可以适当增加workers如设置为4或8。但设得过高可能导致内存不足。pretrained: 通常我们加载yolo26n.pt这样的预训练模型其权重已经在大规模数据集如COCO上学到了通用特征这比从零开始训练快得多、效果好得多这就是迁移学习。5.3 监控训练过程训练开始后除了看控制台日志Ultralytics还内置了TensorBoard日志。在另一个终端激活同一个环境进入项目根目录。运行tensorboard --logdir runs/detect在浏览器打开http://localhost:6006你就能看到损失曲线、mAP曲线、验证图片样本等可视化信息。这是判断模型是否在正常学习、有没有过拟合的最直观方式。重点关注验证集mAPmean Average Precision的变化趋势。理想情况下训练集和验证集的损失都稳步下降验证集mAP稳步上升并最终趋于平稳。6. 评估与使用训练好的模型训练完成后模型最好的权重默认是最后一轮的或者通过验证指标选出的最佳权重会保存在runs/detect/my_custom_train/weights/best.pt。6.1 模型评估你可以用验证集来定量评估这个best.pt模型的性能from ultralytics import YOLO model YOLO(runs/detect/my_custom_train/weights/best.pt) metrics model.val() # 默认会使用训练时dataset.yaml里定义的验证集 print(metrics.box.map) # 打印mAP50-95 print(metrics.box.map50) # 打印mAP50mAP50是交并比IoU阈值为0.5时的平均精度mAP50-95是IoU阈值从0.5到0.95的平均值后者更严格。这是衡量检测模型精度的核心指标。6.2 用新图片/视频进行预测和使用预训练模型一样用你自己的模型去预测results model.predict(sourcepath/to/new_image.jpg, saveTrue, conf0.5)你可以调整conf置信度阈值来平衡查全率和查准率。conf调高检测出的框更少但更可信调低可能检出更多目标但也包含更多误检。6.3 模型导出为部署做准备训练出的.pt文件是PyTorch格式要在某些特定环境如移动端、嵌入式设备、某些推理引擎部署可能需要转换成其他格式。model.export(formatonnx) # 导出为ONNX格式 # 其他可选格式torchscript, openvino, coreml, tflite, ncnn等例如导出为ONNX后你可以用ONNX Runtime在各种平台进行高效推理。这是将模型投入实际应用的关键一步。7. 实战中常见问题与排查思路走完上述流程你基本就入门了。但在实际项目中肯定会遇到各种问题。下面是一些典型问题的排查顺序训练损失loss不下降或为NaN先检查数据这是最常见的原因。确认标注文件.txt格式是否正确归一化坐标类别ID连续且从0开始。用LabelImg重新打开几张图片看看框是否准确。检查数据集YAML确认path、train、val路径是否正确以及names字典的类别ID和标注文件里的class_id是否对应。降低学习率在model.train()中尝试添加参数lr00.01默认是0.01如果损失爆炸可以尝试更小的值如1e-4。检查图像尺寸确保imgsz设置合理并且所有训练图片都能被正常读取没有损坏的图片。模型在验证集上mAP很低但训练集损失正常过拟合了。现象是模型“记住”了训练集但没学会泛化。解决方案增加训练数据使用数据增强YOLO默认已开启可通过augmentTrue控制减少模型复杂度换用更小的模型如yolo26n添加正则化如权重衰减参数weight_decay或者干脆减少训练轮数epochs。验证集和训练集分布差异大。确保验证集图片和训练集来自同一分布同一场景、同一设备拍摄。推理速度慢确认是否在使用GPU推理检查torch.cuda.is_available()。降低推理时的imgsz如从640降到320。使用更小的模型从yolo26x换到yolo26n。对于视频流可以设置streamTrue参数以优化内存。检测结果框不准或漏检调低conf阈值看看是否有很多低置信度的正确框被过滤了。检查训练数据中该目标的标注是否充足和准确。考虑增加imgsz让模型看到更多细节。可能是模型能力不足对于小目标或密集目标可以尝试更大的模型如yolo26m或yolo26l。最后也是最重要的经验目标检测是一个数据驱动的任务。90%的问题根源都在数据——数量不够、质量不高、标注不准、分布不均。当你遇到瓶颈时首先应该回头审视和优化你的数据集这比盲目调整模型超参数或换用更复杂的网络结构有效得多。从环境安装到训练出自己的模型这个过程看似步骤不少但每一步都有明确的输入输出和验证方法。我的建议是严格按照顺序走通第一遍不要跳步。一旦整个流程跑通一次你就建立了最基本的认知和调试能力后面再学习模型改进、高级数据增强、超参数调优、模型部署等进阶内容就会容易得多。YOLO生态的强大之处就在于它为你铺好了这条从入门到实战的快速路你要做的就是沿着它一步步把想法变成可运行的模型。
1. 先搞清楚YOLO到底能帮你做什么以及为什么现在学它如果你刚接触计算机视觉或者想找一个能快速上手、效果立竿见影的目标检测工具那YOLOYou Only Look Once系列绝对是首选。它不是什么新概念但直到现在依然是工业界和学术界落地最广、生态最成熟的实时目标检测框架之一。对于新手来说最直接的价值是你不需要从零推导复杂的数学公式就能用几行代码让电脑“看懂”图片里的物体在哪里、是什么。很多人一上来就纠结YOLOv5、v8、v10甚至刚出的YOLO26哪个更好。我的建议是别管版本号先抓住核心YOLO是一个端到端的检测框架输入一张图片直接输出图中所有物体的类别和位置框Bounding Box。你学的是这套流程和思想具体版本只是实现细节和性能的迭代。从v5开始Ultralytics团队已经把整个生态做得非常“傻瓜化”了安装、训练、部署的门槛被大幅降低。所以这篇内容的目标不是让你成为YOLO算法专家而是让你能独立完成从环境搭建到训练出自己第一个定制化检测模型的全过程。你会经历配环境、跑通官方Demo、准备自己的图片和标注、开始训练、评估模型效果、最后用模型去预测新图片。整个过程像搭积木每一步都有明确的输入和输出。只要你有一台能跑Python的电脑有GPU更好跟着步骤走半天内就能看到自己训练的模型在“工作”。2. 环境安装避开第一个大坑一次配好几乎所有新手卡住的第一步都是环境。问题通常不是YOLO本身复杂而是Python环境、PyTorch版本、CUDA驱动这些底层依赖没对齐。我建议用最稳妥的路线先确保PyTorch能正确识别你的GPU如果有的话再装Ultralytics包。2.1 核心依赖Python与PyTorch首先你需要一个Python环境3.8以上版本比较稳妥。直接用系统自带的Python或者Anaconda创建虚拟环境都行。我习惯用Conda因为能很好地隔离不同项目的依赖。# 创建一个名为yolo_env的虚拟环境指定Python版本 conda create -n yolo_env python3.10 conda activate yolo_env接下来是重头戏安装PyTorch。请务必去PyTorch官网pytorch.org用它的安装命令生成器。这是最不容易出错的方法。你需要根据你的操作系统、包管理工具Conda或Pip、CUDA版本如果你有NVIDIA GPU并安装了驱动来选择命令。例如对于Linux/Conda/CUDA 11.8的用户官网可能给出的命令是conda install pytorch torchvision torchaudio pytorch-cuda11.8 -c pytorch -c nvidia对于只有CPU的Windows用户命令可能是pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu安装后强烈建议立刻验证PyTorch能否调用GPUimport torch print(torch.__version__) # 打印PyTorch版本 print(torch.cuda.is_available()) # 打印True说明GPU可用 print(torch.cuda.get_device_name(0)) # 打印你的GPU型号如果torch.cuda.is_available()返回False但你有GPU那大概率是CUDA版本或驱动不匹配需要根据PyTorch官网的兼容表重新调整。2.2 安装Ultralytics YOLOPyTorch搞定后安装Ultralytics包就非常简单了pip install ultralytics这个命令会安装YOLO目前默认是v8/v10/26等版本的核心接口以及所有必要的依赖。安装完成后可以快速验证一下yolo checks这个命令会检查环境、显示关键信息如Ultralytics版本、PyTorch版本、GPU状态等非常方便。注意网上有些老教程会让人去克隆YOLOv5的GitHub仓库然后pip install -r requirements.txt。对于新手我不推荐这种方式。直接pip install ultralytics是官方现在主推的、更统一和干净的方式它封装了训练、验证、预测、导出等所有功能。2.3 可能遇到的问题与解决思路“No module named ‘ultralytics’”说明没安装成功。尝试用pip install ultralytics -i https://pypi.org/simple指定官方源或者升级pippip install --upgrade pip。训练时CUDA out of memory这是显存不够。在训练命令里加参数imgsz640甚至320来减小输入图像尺寸或者减小batch-size默认是16可以改为4或8。速度慢得像CPU如果torch.cuda.is_available()是True但还是很慢检查任务管理器Windows或nvidia-smiLinux看GPU是否真的有负载。有时是数据加载DataLoader的workers数设为0导致瓶颈在CPU可以适当增加workers参数如workers4。环境配置的核心就两点PyTorch认对GPUUltralytics包成功安装。做到这两点你就跨过了最陡的那个坡。3. 初体验用预训练模型完成第一次推理环境好了别急着搞自己的数据。先用官方预训练模型跑个推理感受一下流程并确认整个链路是通的。Ultralytics YOLO的API设计得非常简洁预测一张图片只需要几行代码from ultralytics import YOLO # 加载一个预训练模型比如轻量级的YOLO26n model YOLO(yolo26n.pt) # 首次运行会自动从网上下载模型文件 # 对一张图片进行预测 results model(https://ultralytics.com/images/bus.jpg) # 可以直接用图片URL也可以用本地路径如‘path/to/your/image.jpg’ # 结果可视化 results[0].show() # 显示带检测框的图片 # 或者保存结果 results[0].save(output.jpg)运行这段代码你会看到它下载一个模型文件.pt然后对示例图片中的公交车、行人等进行检测并生成一张画了框的output.jpg。这个过程包含了模型加载、推理、后处理画框三个关键步骤。除了图片它还支持视频、摄像头流、批量图片目录等。例如预测一个视频results model.predict(sourcepath/to/video.mp4, saveTrue) # predict方法功能更丰富predict方法有很多实用参数conf: 置信度阈值低于这个值的检测结果会被过滤掉。默认0.25可以调高如0.5来减少误检。imgsz: 推理时图片的尺寸。默认640越大通常精度越高但速度越慢。save_txt: 是否将检测结果保存为YOLO格式的标签文件.txt用于后续分析。这一步的目的是建立信心并熟悉最基本的API调用。如果这里都报错那一定是环境问题回头去检查第二节。4. 准备自定义数据集从图片到标准格式能用现成模型检测“猫狗行人”之后下一步就是教模型认识你关心的东西比如“生产线上的瑕疵品”、“停车场里的空车位”、“显微镜下的特定细胞”。这就需要自定义数据集。4.1 数据采集与标注收集图片尽可能覆盖你的目标物体在各种场景、光照、角度、遮挡下的情况。数量上每个类别至少准备几百张图片越多越好多样性比单纯的数量更重要。标注工具推荐使用LabelImg、CVAT或Roboflow。对于新手LabelImg界面简单直接生成YOLO格式的.txt文件。安装LabelImg:pip install labelImg然后命令行输入labelImg打开。使用打开图片目录用矩形框画出物体输入类别标签如defect保存。它会为每张图片生成一个同名的.txt文件。4.2 理解YOLO标注格式这是关键。YOLO需要的.txt标注文件每一行代表图片中的一个物体格式为class_id x_center y_center width heightclass_id: 类别的整数索引从0开始。比如0代表“cat”1代表“dog”。x_center, y_center, width, height: 物体边界框的中心点坐标和宽高这些值都是相对于图片宽度和高度的归一化值范围0-1。假设一张图片宽为640像素高为480像素你标注了一个物体其边界框左上角在(100, 120)右下角在(300, 360)。那么框中心 x (100 300) / 2 / 640 400 / 2 / 640 0.3125框中心 y (120 360) / 2 / 480 480 / 2 / 480 0.5框宽度 w (300 - 100) / 640 200 / 640 0.3125框高度 h (360 - 120) / 480 240 / 480 0.5 所以这一行标注就是0 0.3125 0.5 0.3125 0.5假设class_id是0。LabelImg等工具会自动帮你计算这个归一化值你只需要知道它的含义在偶尔需要手动检查或处理数据时能看懂。4.3 组织数据集目录结构YOLO训练需要数据集按照特定结构组织。一个标准的目录树如下your_dataset/ ├── images/ │ ├── train/ # 训练集图片 │ │ ├── img1.jpg │ │ └── ... │ └── val/ # 验证集图片 │ ├── img100.jpg │ └── ... └── labels/ ├── train/ # 训练集标签与图片同名.txt │ ├── img1.txt │ └── ... └── val/ # 验证集标签 ├── img100.txt └── ...你需要把收集的图片按一定比例如8:2或9:1分成训练集train和验证集val分别放到images/train/和images/val/。对应的标注文件放到labels/train/和labels/val/。4.4 创建数据集配置文件.yaml最后你需要创建一个YAML文件来告诉YOLO你的数据集在哪、有哪些类别。这个文件是连接你的数据和训练代码的桥梁。# dataset.yaml path: /home/user/your_dataset # 数据集的根目录绝对路径 train: images/train # 训练集图片的相对路径相对于path val: images/val # 验证集图片的相对路径 # 类别列表 names: 0: cat 1: dog 2: person # ... 你的其他类别把path换成你数据集的实际路径。这个dataset.yaml文件就是下一步训练时要用的data参数。5. 训练你自己的YOLO模型数据准备好了训练就是水到渠成的一步。Ultralytics把训练过程封装得极其简单。5.1 启动训练基本训练命令如下from ultralytics import YOLO # 加载一个预训练模型作为起点迁移学习强烈推荐 model YOLO(yolo26n.pt) # 开始训练 results model.train( datapath/to/your/dataset.yaml, # 上一步创建的数据集配置文件 epochs100, # 训练轮数根据数据集大小调整通常50-300 imgsz640, # 输入图像大小 batch16, # 批次大小根据GPU显存调整 namemy_custom_train, # 本次训练的实验名称用于保存结果 device0, # 使用GPU 0如果是CPU则设为‘cpu’ )运行这段代码训练就开始了。控制台会打印每一轮epoch的训练损失、验证指标等。所有输出模型权重、日志、评估结果都会保存在runs/detect/my_custom_train/目录下。5.2 关键训练参数解析epochs: 模型遍历整个训练集的次数。太少学不好太多可能过拟合。从小数据集几百张图的100轮到大数据集的上千轮都有可能。建议先设一个中等值如100观察验证集指标mAP不再明显上升时就可以考虑早停。imgsz: 模型输入的图像尺寸。这是影响速度和精度的关键参数。尺寸越大模型能看到的细节越多精度可能越高但显存占用更大、训练更慢。常见的尺寸有320, 640, 1280。对于大多数场景640是一个不错的起点。batch: 一次送入模型的图片数量。越大训练越稳定、越快但显存占用线性增长。如果出现CUDA内存不足OOM错误首先降低batch如16-8-4或者降低imgsz。workers: 数据加载的进程数。用于加速数据从硬盘到GPU的预处理流程。如果训练时GPU利用率很低比如长期低于50%而CPU有空闲可以适当增加workers如设置为4或8。但设得过高可能导致内存不足。pretrained: 通常我们加载yolo26n.pt这样的预训练模型其权重已经在大规模数据集如COCO上学到了通用特征这比从零开始训练快得多、效果好得多这就是迁移学习。5.3 监控训练过程训练开始后除了看控制台日志Ultralytics还内置了TensorBoard日志。在另一个终端激活同一个环境进入项目根目录。运行tensorboard --logdir runs/detect在浏览器打开http://localhost:6006你就能看到损失曲线、mAP曲线、验证图片样本等可视化信息。这是判断模型是否在正常学习、有没有过拟合的最直观方式。重点关注验证集mAPmean Average Precision的变化趋势。理想情况下训练集和验证集的损失都稳步下降验证集mAP稳步上升并最终趋于平稳。6. 评估与使用训练好的模型训练完成后模型最好的权重默认是最后一轮的或者通过验证指标选出的最佳权重会保存在runs/detect/my_custom_train/weights/best.pt。6.1 模型评估你可以用验证集来定量评估这个best.pt模型的性能from ultralytics import YOLO model YOLO(runs/detect/my_custom_train/weights/best.pt) metrics model.val() # 默认会使用训练时dataset.yaml里定义的验证集 print(metrics.box.map) # 打印mAP50-95 print(metrics.box.map50) # 打印mAP50mAP50是交并比IoU阈值为0.5时的平均精度mAP50-95是IoU阈值从0.5到0.95的平均值后者更严格。这是衡量检测模型精度的核心指标。6.2 用新图片/视频进行预测和使用预训练模型一样用你自己的模型去预测results model.predict(sourcepath/to/new_image.jpg, saveTrue, conf0.5)你可以调整conf置信度阈值来平衡查全率和查准率。conf调高检测出的框更少但更可信调低可能检出更多目标但也包含更多误检。6.3 模型导出为部署做准备训练出的.pt文件是PyTorch格式要在某些特定环境如移动端、嵌入式设备、某些推理引擎部署可能需要转换成其他格式。model.export(formatonnx) # 导出为ONNX格式 # 其他可选格式torchscript, openvino, coreml, tflite, ncnn等例如导出为ONNX后你可以用ONNX Runtime在各种平台进行高效推理。这是将模型投入实际应用的关键一步。7. 实战中常见问题与排查思路走完上述流程你基本就入门了。但在实际项目中肯定会遇到各种问题。下面是一些典型问题的排查顺序训练损失loss不下降或为NaN先检查数据这是最常见的原因。确认标注文件.txt格式是否正确归一化坐标类别ID连续且从0开始。用LabelImg重新打开几张图片看看框是否准确。检查数据集YAML确认path、train、val路径是否正确以及names字典的类别ID和标注文件里的class_id是否对应。降低学习率在model.train()中尝试添加参数lr00.01默认是0.01如果损失爆炸可以尝试更小的值如1e-4。检查图像尺寸确保imgsz设置合理并且所有训练图片都能被正常读取没有损坏的图片。模型在验证集上mAP很低但训练集损失正常过拟合了。现象是模型“记住”了训练集但没学会泛化。解决方案增加训练数据使用数据增强YOLO默认已开启可通过augmentTrue控制减少模型复杂度换用更小的模型如yolo26n添加正则化如权重衰减参数weight_decay或者干脆减少训练轮数epochs。验证集和训练集分布差异大。确保验证集图片和训练集来自同一分布同一场景、同一设备拍摄。推理速度慢确认是否在使用GPU推理检查torch.cuda.is_available()。降低推理时的imgsz如从640降到320。使用更小的模型从yolo26x换到yolo26n。对于视频流可以设置streamTrue参数以优化内存。检测结果框不准或漏检调低conf阈值看看是否有很多低置信度的正确框被过滤了。检查训练数据中该目标的标注是否充足和准确。考虑增加imgsz让模型看到更多细节。可能是模型能力不足对于小目标或密集目标可以尝试更大的模型如yolo26m或yolo26l。最后也是最重要的经验目标检测是一个数据驱动的任务。90%的问题根源都在数据——数量不够、质量不高、标注不准、分布不均。当你遇到瓶颈时首先应该回头审视和优化你的数据集这比盲目调整模型超参数或换用更复杂的网络结构有效得多。从环境安装到训练出自己的模型这个过程看似步骤不少但每一步都有明确的输入输出和验证方法。我的建议是严格按照顺序走通第一遍不要跳步。一旦整个流程跑通一次你就建立了最基本的认知和调试能力后面再学习模型改进、高级数据增强、超参数调优、模型部署等进阶内容就会容易得多。YOLO生态的强大之处就在于它为你铺好了这条从入门到实战的快速路你要做的就是沿着它一步步把想法变成可运行的模型。
![[C++]内存管理：串顺序存储的内存回收](http://pic.xiahunao.cn/yaotu/[C++]内存管理：串顺序存储的内存回收)
