Anleitung zur YAML-Konfiguration von Modellen

Die Modell YAML-Konfigurationsdatei dient als architektonische Blaupause für Ultralytics neuronale Netze. Sie definiert, wie Schichten verbunden sind, welche Parameter jedes Modul verwendet und wie das gesamte Netzwerk über verschiedene Modellgrößen skaliert.

Konfigurationsstruktur

Modell YAML-Dateien sind in drei Hauptabschnitte unterteilt, die zusammenarbeiten, um die Architektur zu definieren.

Parameter-Abschnitt

Der Abschnitt Parameter spezifiziert die globalen Eigenschaften und das Skalierungsverhalten des Modells:

# Parameters
nc: 80 # number of classes
scales: # compound scaling constants [depth, width, max_channels]
    n: [0.50, 0.25, 1024] # nano: shallow layers, narrow channels
    s: [0.50, 0.50, 1024] # small: shallow depth, standard width
    m: [0.50, 1.00, 512] # medium: moderate depth, full width
    l: [1.00, 1.00, 512] # large: full depth and width
    x: [1.00, 1.50, 512] # extra-large: maximum performance
kpt_shape: [17, 3] # pose models only

• nc legt die Anzahl der Klassen fest, die das Modell vorhersagt.
• scales definiert zusammengesetzte Skalierungsfaktoren, die die Modelltiefe, -breite und maximalen Kanäle anpassen, um verschiedene Größenvarianten zu erzeugen (Nano bis Extra-Large).
• kpt_shape gilt für Pose-Modelle. Es kann sein [N, 2] für (x, y) Keypoints oder [N, 3] für (x, y, visibility).

Backbone- und Head-Architektur

Die Modellarchitektur besteht aus Backbone- (Merkmalsextraktion) und Head- (aufgabenspezifisch) Abschnitten:

backbone:
    # [from, repeats, module, args]
    - [-1, 1, Conv, [64, 3, 2]] # 0: Initial convolution
    - [-1, 1, Conv, [128, 3, 2]] # 1: Downsample
    - [-1, 3, C2f, [128, True]] # 2: Feature processing

head:
    - [-1, 1, nn.Upsample, [None, 2, nearest]] # 6: Upsample
    - [[-1, 2], 1, Concat, [1]] # 7: Skip connection
    - [-1, 3, C2f, [256]] # 8: Process features
    - [[8], 1, Detect, [nc]] # 9: Detection layer

Format der Layer-Spezifikation

Jede Schicht folgt dem gleichen Muster: [from, repeats, module, args]

Verbindungsmuster

Die from Feld erzeugt flexible Datenflussmuster in Ihrem gesamten Netzwerk:

- [-1, 1, Conv, [64, 3, 2]]    # Takes input from previous layer

- [[-1, 6], 1, Concat, [1]]    # Combines current layer with layer 6

- [[4, 6, 8], 1, Detect, [nc]] # Detection head using 3 feature scales

Modulwiederholung

Die repeats Parameter erzeugt tiefere Netzwerkabschnitte:

- [-1, 3, C2f, [128, True]] # Creates 3 consecutive C2f blocks
- [-1, 1, Conv, [64, 3, 2]] # Single convolution layer

Die tatsächliche Anzahl der Wiederholungen wird mit dem Tiefenskalierungsfaktor aus Ihrer Modellgrößenkonfiguration multipliziert.

Verfügbare Module

Module sind nach Funktionalität organisiert und im Ultralytics-Modulverzeichnis definiert. Die folgenden Tabellen zeigen häufig verwendete Module nach Kategorie, wobei im Quellcode noch viele weitere verfügbar sind:

Grundlegende Operationen

Zusammengesetzte Blöcke

Spezielle Module

Erweiterte Funktionen

TorchVision-Integration

Das TorchVision-Modul ermöglicht die nahtlose Integration eines beliebigen TorchVision-Modells als Backbone:

from ultralytics import YOLO

# Model with ConvNeXt backbone
model = YOLO("convnext_backbone.yaml")
results = model.train(data="coco8.yaml", epochs=100)

backbone:
  - [-1, 1, TorchVision, [768, convnext_tiny, DEFAULT, True, 2, False]]
head:
  - [-1, 1, Classify, [nc]]

Indexmodul für die Merkmalsauswahl

Bei der Verwendung von Modellen, die mehrere Feature-Maps ausgeben, wählt das Index-Modul bestimmte Ausgaben aus:

backbone:
    - [-1, 1, TorchVision, [768, convnext_tiny, DEFAULT, True, 2, True]] # Multi-output
head:
    - [0, 1, Index, [192, 4]] # Select 4th feature map (192 channels)
    - [0, 1, Index, [384, 6]] # Select 6th feature map (384 channels)
    - [0, 1, Index, [768, 8]] # Select 8th feature map (768 channels)
    - [[1, 2, 3], 1, Detect, [nc]] # Multi-scale detection

Modulauflösungssystem

Das Verständnis, wie Ultralytics Module findet und importiert, ist entscheidend für die Anpassung:

Modul-Lookup-Prozess

Ultralytics verwendet ein dreistufiges System in parse_model:

# Core resolution logic
m = getattr(torch.nn, m[3:]) if "nn." in m else getattr(torchvision.ops, m[4:]) if "ops." in m else globals()[m]

1. PyTorch-Modulen: Namen, die mit 'nn.' → torch.nn Namespace beginnen
2. TorchVision-Operationen: Namen, die mit 'ops.' → torchvision.ops Namespace beginnen
3. Ultralytics-Module: Alle anderen Namen → globaler Namespace über Importe

Modul-Importkette

Standardmodule werden durch Importe in tasks.py:

from ultralytics.nn.modules import (  # noqa: F401, E501
    SPPF,
    C2f,
    Conv,
    Detect,
    # ... many more modules
    Index,
    TorchVision,
)

Benutzerdefinierte Modulintegration

Modifikation des Quellcodes

Die Modifizierung des Quellcodes ist die vielseitigste Möglichkeit, Ihre benutzerdefinierten Module zu integrieren, kann aber knifflig sein. Um ein benutzerdefiniertes Modul zu definieren und zu verwenden, befolgen Sie diese Schritte:

1. Installieren Sie Ultralytics im Entwicklungsmodus unter Verwendung der Git-Klon-Methode aus der Schnellstartanleitung.

2. Definieren Sie Ihr Modul in ultralytics/nn/modules/block.py:

   class CustomBlock(nn.Module):
       """Custom block with Conv-BatchNorm-ReLU sequence."""
   
       def __init__(self, c1, c2):
           """Initialize CustomBlock with input and output channels."""
           super().__init__()
           self.layers = nn.Sequential(nn.Conv2d(c1, c2, 3, 1, 1), nn.BatchNorm2d(c2), nn.ReLU())
   
       def forward(self, x):
           """Forward pass through the block."""
           return self.layers(x)
   

3. Stellen Sie Ihr Modul auf Paketebene bereit in ultralytics/nn/modules/__init__.py:

   from .block import CustomBlock  # noqa makes CustomBlock available as ultralytics.nn.modules.CustomBlock
   

4. Zu Importen hinzufügen in ultralytics/nn/tasks.py:

   from ultralytics.nn.modules import CustomBlock  # noqa
   

5. Spezielle Argumente behandeln (falls erforderlich) innerhalb parse_model() in ultralytics/nn/tasks.py:

   # Add this condition in the parse_model() function
   if m is CustomBlock:
       c1, c2 = ch[f], args[0]  # input channels, output channels
       args = [c1, c2, *args[1:]]
   

6. Verwenden Sie das Modul in Ihrer Modell-YAML:

   # custom_model.yaml
   nc: 1
   backbone:
       - [-1, 1, CustomBlock, [64]]
   head:
       - [-1, 1, Classify, [nc]]
   

7. FLOPs prüfen, um sicherzustellen, dass der Forward Pass funktioniert:

   from ultralytics import YOLO
   
   model = YOLO("custom_model.yaml", task="classify")
   model.info()  # should print non-zero FLOPs if working
   

Beispielkonfigurationen

Einfaches Erkennungsmodell

# Simple YOLO detection model
nc: 80
scales:
    n: [0.33, 0.25, 1024]

backbone:
    - [-1, 1, Conv, [64, 3, 2]] # 0-P1/2
    - [-1, 1, Conv, [128, 3, 2]] # 1-P2/4
    - [-1, 3, C2f, [128, True]] # 2
    - [-1, 1, Conv, [256, 3, 2]] # 3-P3/8
    - [-1, 6, C2f, [256, True]] # 4
    - [-1, 1, SPPF, [256, 5]] # 5

head:
    - [-1, 1, Conv, [256, 3, 1]] # 6
    - [[6], 1, Detect, [nc]] # 7

TorchVision Backbone-Modell

# ConvNeXt backbone with YOLO head
nc: 80

backbone:
    - [-1, 1, TorchVision, [768, convnext_tiny, DEFAULT, True, 2, True]]

head:
    - [0, 1, Index, [192, 4]] # P3 features
    - [0, 1, Index, [384, 6]] # P4 features
    - [0, 1, Index, [768, 8]] # P5 features
    - [[1, 2, 3], 1, Detect, [nc]] # Multi-scale detection

Klassifikationsmodell

# Simple classification model
nc: 1000

backbone:
    - [-1, 1, Conv, [64, 7, 2, 3]]
    - [-1, 1, nn.MaxPool2d, [3, 2, 1]]
    - [-1, 4, C2f, [64, True]]
    - [-1, 1, Conv, [128, 3, 2]]
    - [-1, 8, C2f, [128, True]]
    - [-1, 1, nn.AdaptiveAvgPool2d, [1]]

head:
    - [-1, 1, Classify, [nc]]

Bewährte Verfahren

Tipps zum Architekturdesign

Einfach anfangen: Beginnen Sie mit bewährten Architekturen, bevor Sie Anpassungen vornehmen. Verwenden Sie bestehende YOLO-Konfigurationen als Vorlagen und modifizieren Sie diese schrittweise, anstatt von Grund auf neu zu entwickeln.

Inkrementell testen: Validieren Sie jede Modifikation Schritt für Schritt. Fügen Sie jeweils ein benutzerdefiniertes Modul hinzu und verifizieren Sie, dass es funktioniert, bevor Sie mit der nächsten Änderung fortfahren.

Kanäle überwachen: Stellen Sie sicher, dass die Kanaldimensionen zwischen verbundenen Layern übereinstimmen. Die Ausgabekanäle (c2) eines Layers müssen mit den Eingangskanälen (c1) des nächsten Layers in der Sequenz übereinstimmen.

Skip-Verbindungen nutzen: Nutzen Sie die Wiederverwendung von Features mit [[-1, N], 1, Concat, [1]] -Mustern. Diese Verbindungen helfen beim Gradientenfluss und ermöglichen es dem Modell, Features aus verschiedenen Skalen zu kombinieren.

Passende Skalierung: Wählen Sie Modellskalen basierend auf Ihren Rechenbeschränkungen. Verwenden Sie Nano (n) für Edge-Geräte, Small (s) für eine ausgewogene Leistung und größere Skalen (m, l, x) für maximale Genauigkeit.

Performance-Überlegungen

Tiefe vs. Breite: Tiefe Netzwerke erfassen komplexe hierarchische Merkmale durch mehrere Transformationsschichten, während breite Netzwerke mehr Informationen parallel in jeder Schicht verarbeiten. Balancieren Sie diese basierend auf Ihrer Aufgabenkomplexität.

Skip-Verbindungen: Verbessern Sie den Gradientenfluss während des Trainings und ermöglichen Sie die Wiederverwendung von Features im gesamten Netzwerk. Sie sind besonders wichtig in tieferen Architekturen, um verschwindende Gradienten zu verhindern.

Bottleneck-Blöcke: Reduzieren Sie die Rechenkosten und erhalten Sie gleichzeitig die Ausdruckskraft des Modells. Module wie C2f verwenden weniger Parameter als Standard-Faltungen und erhalten gleichzeitig die Fähigkeit zum Feature-Lernen.

Multi-Scale-Features: Essentiell für die Erkennung von Objekten unterschiedlicher Größe im selben Bild. Verwenden Sie Feature Pyramid Network (FPN)-Muster mit mehreren Erkennungsköpfen in verschiedenen Maßstäben.

Fehlerbehebung

Häufige Probleme

Debugging-Tipps

Bei der Entwicklung benutzerdefinierter Architekturen hilft systematisches Debugging, Probleme frühzeitig zu erkennen:

Verwenden Sie Identity Head zum Testen

Ersetzen Sie komplexe Heads durch nn.Identity um Backbone-Probleme zu isolieren:

nc: 1
backbone:
    - [-1, 1, CustomBlock, [64]]
head:
    - [-1, 1, nn.Identity, []] # Pass-through for debugging

Dies ermöglicht die direkte Inspektion der Backbone-Ausgaben:

import torch

from ultralytics import YOLO

model = YOLO("debug_model.yaml")
output = model.model(torch.randn(1, 3, 640, 640))
print(f"Output shape: {output.shape}")  # Should match expected dimensions

Inspektion der Modellarchitektur

Das Überprüfen der FLOPs-Anzahl und das Ausgeben jedes Layers kann ebenfalls helfen, Probleme mit Ihrer benutzerdefinierten Modellkonfiguration zu debuggen. Die FLOPs-Anzahl sollte für ein gültiges Modell ungleich Null sein. Wenn sie Null ist, liegt wahrscheinlich ein Problem mit dem Forward Pass vor. Das Ausführen eines einfachen Forward Pass sollte den genauen Fehler anzeigen, der auftritt.

from ultralytics import YOLO

# Build model with verbose output to see layer details
model = YOLO("debug_model.yaml", verbose=True)

# Check model FLOPs. Failed forward pass causes 0 FLOPs.
model.info()

# Inspect individual layers
for i, layer in enumerate(model.model.model):
    print(f"Layer {i}: {layer}")

Schrittweise Validierung

1. Minimal beginnen: Testen Sie zuerst mit der einfachsten möglichen Architektur
2. Inkrementell hinzufügen: Bauen Sie die Komplexität Schicht für Schicht auf
3. Abmessungen prüfen: Überprüfen Sie die Kompatibilität von Kanal- und Raumgröße
4. Skalierung validieren: Testen Sie mit verschiedenen Modellskalen (n, s, m)

FAQ

Wie kann ich die Anzahl der Klassen in meinem Modell ändern?

Setzen Sie den nc Parameter oben in Ihrer YAML-Datei, um ihn an die Anzahl der Klassen Ihres Datensatzes anzupassen.

nc: 5 # 5 classes

Kann ich ein benutzerdefiniertes Backbone in meiner Modell-YAML-Datei verwenden?

Ja. Sie können jedes unterstützte Modul verwenden, einschließlich TorchVision Backbones, oder Ihr eigenes benutzerdefiniertes Modul definieren und es wie unter Benutzerdefinierte Modulintegration beschrieben importieren.

Wie skaliere ich mein Modell für verschiedene Größen (Nano, Small, Medium, usw.)?

Verwenden Sie den scales Abschnitt in Ihrer YAML-Datei, um Skalierungsfaktoren für Tiefe, Breite und maximale Kanäle zu definieren. Das Modell wendet diese automatisch an, wenn Sie die Basis-YAML-Datei mit dem an den Dateinamen angehängten Maßstab laden (z. B. yolo11n.yaml), oder Auto-Modus mit angegebener Auslastungsfraktion (

Was bedeutet das [from, repeats, module, args] Format?

Dieses Format legt fest, wie jede Schicht aufgebaut ist:

• from: Eingabequelle(n)
• repeats: Anzahl der Wiederholungen des Moduls
• module: der Schichttyp
• args: Argumente für das Modul

Wie behebe ich Fehler aufgrund von Kanal-Fehlpaarungen?

Überprüfen Sie, ob die Ausgabekanäle einer Schicht mit den erwarteten Eingangskanälen der nächsten übereinstimmen. Verwenden Sie print(model.model.model) , um die Architektur Ihres Modells zu überprüfen.

Wo finde ich eine Liste der verfügbaren Module und ihrer Argumente?

Überprüfen Sie den Quellcode im ultralytics/nn/modules Verzeichnis für alle verfügbaren Module und deren Argumente.

Wie füge ich meiner YAML-Konfiguration ein benutzerdefiniertes Modul hinzu?

Definieren Sie Ihr Modul im Quellcode, importieren Sie es wie unter Quellcode-Modifikation gezeigt, und referenzieren Sie es namentlich in Ihrer YAML-Datei.

Kann ich vortrainierte Gewichte mit einer benutzerdefinierten YAML-Datei verwenden?

Ja, Sie können model.load("path/to/weights") verwenden, um Gewichte aus einem vortrainierten Checkpoint zu laden. Allerdings werden nur Gewichte für übereinstimmende Schichten erfolgreich geladen.

Wie validiere ich meine Modellkonfiguration?

Verwenden Sie model.info() , um zu überprüfen, ob die Anzahl der FLOPs ungleich Null ist. Ein gültiges Modell sollte eine Anzahl von FLOPs ungleich Null aufweisen. Wenn sie Null ist, befolgen Sie die Vorschläge in Debugging-Tipps , um das Problem zu finden.

📅 Erstellt vor 1 Monat ✏️ Aktualisiert vor 14 Tagen

Kommentare