Parametri comuni e aumento dati delle architetture moderne¶
Le quattro attività condividono parametri di base, ma non tutti gli aumenti sono applicabili a tutte. Controlli e valori effettivi sono nel riferimento parametri.
Parametri di base¶
| Parametro | Funzione e utilizzo |
|---|---|
| Pesi del modello | Selezionare pesi predefiniti adatti all'attività. I pesi di classificazione, rilevamento, segmentazione e OBB non sono liberamente intercambiabili. |
| imgsz | Una dimensione singola di input. Rilevamento, segmentazione e OBB ridimensionano e aggiungono padding secondo il motore; la classificazione usa anche ridimensionamento del lato corto e ritaglio propri. |
| epochs | Numero massimo di epoche, non un numero garantito di epoche completate. |
| patience | Epoche consecutive senza miglioramento della metrica prima dell'arresto anticipato; 0 lo disattiva. Raggiungere normalmente epochs non è un arresto anticipato. |
| batch | Immagini per batch; aumentare il valore richiede in genere più memoria GPU e non garantisce un'accelerazione proporzionale. |
| workers | Numero di processi di caricamento dati; 0 carica nel processo principale. Non è il numero di thread di addestramento né il numero di GPU. |
| device | auto lascia scegliere al motore; gpu usa la GPU 0; cpu addestra sulla CPU. |
| seed | Seme casuale per controllare la casualità riproducibile dove supportata. |
| amp | Precisione mista automatica su GPU; non forza tutti i tensori alla mezza precisione. |
Il campo interpreta un solo numero. Il testo non numerico ripristina il valore predefinito (640 per rilevamento, segmentazione e OBB; 960 per classificazione), senza interpretare 640×480 o elenchi. Controllare i log: questo campo non imposta dimensioni rettangolari.
Ottimizzatore¶
optimizer=auto seleziona nuovamente ottimizzatore, tasso iniziale e momento, e imposta warmup_bias_lr a 0. Scegliere un ottimizzatore esplicito per usare impostazioni manuali di tasso o momento.
La classificazione moderna dispone dei campi lr0 e lrf; le pagine di rilevamento, segmentazione e OBB non hanno un campo separato per il tasso di apprendimento. Non cercare controlli descritti da guide di altri software. lrf è il moltiplicatore del tasso finale rispetto a quello iniziale.
Gli ottimizzatori SGD usano momentum; quelli Adam usano beta1. weight_decay controlla il decadimento dei pesi. warmup_epochs indica la durata del riscaldamento e accetta frazioni; rilevamento, segmentazione e OBB espongono anche momento iniziale e tasso di apprendimento dei bias nel riscaldamento.
Aumenti di posizione e geometria¶
degrees è l'angolo massimo assoluto di rotazione; flipud e fliplr sono probabilità di capovolgimento; translate è uno spostamento relativo alle dimensioni dell'immagine; scale è la variazione casuale di scala. Sono aumenti di addestramento, non impostazioni di postelaborazione dell'inferenza.
mosaic è la probabilità del mosaico e segue anche la disattivazione prevista dal motore verso la fine dell'addestramento. L'interfaccia non espone un numero di epoche per tale disattivazione; la probabilità non garantisce l'attivazione in ogni epoca finale.
Aumenti adattati dal software¶
Nel rilevamento standard, copy_paste copia con una determinata probabilità un oggetto completo della stessa immagine in una posizione senza sovrapposizioni. L'operazione viene saltata se la sorgente si sovrappone ad altri oggetti o manca una destinazione sicura. La segmentazione di istanze poligonali usa la frazione nativa di copia e incolla delle maschere.
Nel rilevamento e nella segmentazione, erasing cancella solo lo sfondo esterno ai riquadri, lasciando intatti interni e annotazioni. È diverso dalla cancellazione casuale della classificazione, che può coprire arbitrariamente gli oggetti.
La pagina OBB non offre i controlli copy_paste ed erasing. Anche la classificazione non offre questi aumenti dello sfondo.
Pesi delle funzioni di perdita¶
Per rilevamento, segmentazione e OBB, box, cls e dfl sono coefficienti delle perdite, non confidenze di previsione o numeri di classi. In OBB, angle è il coefficiente della perdita angolare, indipendente da degrees dell'aumento per rotazione. Passare un coefficiente non crea un termine di perdita non previsto dall'architettura.
Posizione di output¶
I risultati di rilevamento, segmentazione e OBB sono in runs sotto il dataset; la classificazione usa una cartella allo stesso livello, con il nome del dataset e il suffisso _runs. Il percorso effettivo è quello registrato nel log, nell'azione Apri directory esperimento dei grafici e nella cronologia.
Il software esporta automaticamente ONNX con simplify=False, senza installare automaticamente onnxslim per la semplificazione. Se l'esportazione fallisce, controllare il log; i checkpoint esistenti possono essere ancora presenti.