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: True # (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]