Konfiguration
YOLO-Einstellungen und Hyperparameter spielen eine entscheidende Rolle für die Leistung, Geschwindigkeit und Genauigkeit des Modells. Diese Einstellungen können das Verhalten des Modells in verschiedenen Phasen beeinflussen, darunter Training, Validierung und Vorhersage.
Ansehen: Ultralytics YOLO meistern: Konfiguration
Ultralytics-Befehle verwenden die folgende Syntax:
yolo TASK MODE ARGSDabei gilt:
TASK(optional) ist eine der Optionen (erkennen, segmentieren, semantisch, Tiefe, klassifizieren, Pose, obb).MODE(erforderlich) ist eine der Optionen (train, val, predict, export, track, benchmark).ARGS(optional) sindarg=value-Paare wieimgsz=640, die Standardwerte überschreiben.
Die Standardwerte für ARG sind auf dieser Seite definiert und stammen aus der cfg/default.yaml-Datei.
Aufgaben#
Ultralytics-YOLO-Modelle können verschiedene Computer-Vision-Aufgaben ausführen, darunter:
- Erkennen: Bei der Objekterkennung werden Objekte in einem Bild oder Video erkannt und lokalisiert.
- Segmentieren: Bei der Instanzsegmentierung wird ein Bild oder Video in Bereiche unterteilt, die verschiedenen Objekten oder Klassen entsprechen.
- Semantische Segmentierung (
semantic): Bei der semantischen Segmentierung wird jedem Pixel eines Bildes eine Klassenbezeichnung zugewiesen, um eine dichte Szenenanalyse zu ermöglichen. - Tiefe (
depth): Bei der monokularen Tiefenschätzung wird aus einem einzelnen RGB-Bild eine Tiefenkarte mit einem Tiefenwert in Metern pro Pixel vorhergesagt. - Klassifizieren: Bei der Bildklassifizierung wird die Klassenbezeichnung eines Eingabebildes vorhergesagt.
- Pose: Bei der Posenschätzung werden Objekte erkannt und ihre Keypoints in einem Bild oder Video geschätzt.
- OBB: Bei gedrehten Begrenzungsrahmen kommen gedrehte Rahmen zum Einsatz, die sich für Luft- und Satellitenbilder eignen.
| Argument | Standard | Beschreibung |
|---|---|---|
task | 'detect' | Gibt die YOLO-Aufgabe an: detect für Objekterkennung, segment für Instanzsegmentierung, semantic für semantische Segmentierung, depth für monokulare Tiefenschätzung, classify für Klassifizierung, pose für Posenschätzung und obb für orientierte Begrenzungsrahmen. Jede Aufgabe ist auf bestimmte Ausgaben und Probleme bei der Bild- und Videoanalyse zugeschnitten. |
Modi#
Ultralytics YOLO-Modelle arbeiten in verschiedenen Modi, die jeweils für eine bestimmte Phase des Modelllebenszyklus ausgelegt sind:
- Train: Trainiert ein YOLO-Modell mit einem benutzerdefinierten Datensatz.
- Val: Validiert ein trainiertes YOLO-Modell.
- Predict: Verwendet ein trainiertes YOLO-Modell, um Vorhersagen für neue Bilder oder Videos zu treffen.
- Export: Exportiert ein YOLO-Modell für die Bereitstellung.
- Track: Verfolge Objekte mit einem YOLO-Modell in Echtzeit.
- Benchmark: Misst Geschwindigkeit und Genauigkeit von YOLO-Exporten (ONNX, TensorRT usw.).
| Argument | Standard | Beschreibung |
|---|---|---|
mode | 'train' | Gibt den Betriebsmodus des YOLO-Modells an: train für das Modelltraining, val für die Validierung, predict für die Inferenz, export für die Konvertierung in Bereitstellungsformate, track für die Objektverfolgung und benchmark für die Leistungsbewertung. Jeder Modus unterstützt verschiedene Phasen – von der Entwicklung bis zur Bereitstellung. |
Trainingseinstellungen#
Zu den Trainingseinstellungen für YOLO-Modelle gehören Hyperparameter und Konfigurationen, die sich auf Leistung, Geschwindigkeit und Genauigkeit des Modells auswirken. Zu den wichtigsten Einstellungen gehören Batchgröße, Lernrate, Momentum und Gewichtszerfall. Auch die Wahl des Optimierers, der Verlustfunktion und die Zusammensetzung des Datensatzes beeinflussen das Training. Abstimmung und Experimente sind entscheidend für eine optimale Leistung.
| Argument | Typ | Standard | Beschreibung |
|---|---|---|---|
model | str | None | Gibt die Modelldatei für das Training an. Akzeptiert einen Pfad zu einem vortrainierten .pt-Modell oder einer .yaml-Konfigurationsdatei. Unverzichtbar, um die Modellstruktur festzulegen oder Gewichte zu initialisieren. |
data | str | None | Pfad zur Dataset-YAML-Datei (z. B. coco8.yaml), die die Pfade zu den Trainings- und Validierungsdaten, die Klassennamen und die Anzahl der Klassen enthält. Für die Klassifizierung wird stattdessen ein Dataset-Verzeichnis oder der Name eines integrierten Datensatzes angegeben (z. B. imagenet10). |
epochs | int | 100 | Gesamtzahl der Trainingsepochen. Jede Epoche entspricht einem vollständigen Durchlauf durch den gesamten Datensatz. Dieser Wert wirkt sich auf die Trainingsdauer und die Modellleistung aus. |
time | float | None | Maximale Trainingsdauer in Stunden. Wenn dieser Wert gesetzt ist, überschreibt er das Argument epochs und beendet das Training automatisch nach der angegebenen Dauer. Nützlich für Trainingsszenarien mit begrenzter Zeit. |
patience | int | 100 | Anzahl der Epochen, die ohne Verbesserung der Validierungsmetriken abgewartet werden, bevor das Training vorzeitig beendet wird. Hilft, Überanpassung zu verhindern, indem das Training bei stagnierender Leistung beendet wird. |
batch | int oder float | 16 | Batchgröße, mit drei Modi: als Ganzzahl festlegen (z. B. batch=16), Automatikmodus für 60 % des verfügbaren GPU-Speichers (batch=-1) oder Automatikmodus mit einem angegebenen Anteil des verfügbaren GPU-Speichers (batch=0.70). |
imgsz | int | 640 | Zielbildgröße für das Training. Bilder werden auf Quadrate mit Seitenlängen entsprechend dem angegebenen Wert skaliert (wenn rect=False), wobei YOLO-Modelle das Seitenverhältnis beibehalten, RT-DETR jedoch nicht. Beeinflusst die Genauigkeit und den Rechenaufwand des Modells. |
save | bool | True | Aktiviert das Speichern von Trainingsprüfpunkten und den finalen Modellgewichten. Nützlich, um das Training fortzusetzen oder das Modell bereitzustellen. |
save_period | int | -1 | Häufigkeit, mit der Modellprüfpunkte gespeichert werden, angegeben in Epochen. Der Wert -1 deaktiviert diese Funktion. Nützlich, um während langer Trainingsläufe Zwischenmodelle zu speichern. |
cache | bool oder str | False | Aktiviert das Zwischenspeichern von Dataset-Bildern im Arbeitsspeicher (True/ram), auf der Festplatte (disk) oder deaktiviert es (False). Beschleunigt das Training durch weniger Festplatten-E/A, erhöht jedoch den Speicherbedarf. |
tile | bool oder int | False | Erweitert jedes Quellbild zu festen Trainingskacheln, wobei zugeschnittene Labels und negative Fenster erhalten bleiben. True verwendet imgsz; eine positive Ganzzahl legt die Kachelgröße fest. Siehe Kachelung mit hoher Auflösung. |
device | int oder str oder list | None | Gibt das Rechengerät bzw. die Rechengeräte für das Training an: eine einzelne GPU (device=0), mehrere GPUs (device=[0,1]), CPU (device=cpu), MPS für Apple-Silicon (device=mps), Huawei-Ascend-NPU (device=npu:0 oder device=npu:0,1), Intel XPU (device=xpu:0), automatische Auswahl einer freien GPU (device=-1) oder mehrerer freier GPUs (device=[-1,-1]). |
workers | int | 8 | Anzahl der Worker-Threads für das Laden von Daten (pro RANK bei Multi-GPU-Training). Beeinflusst die Geschwindigkeit der Datenvorverarbeitung und der Datenzufuhr zum Modell; besonders nützlich bei Setups mit mehreren GPUs. |
project | str | None | Name des Projektverzeichnisses, in dem die Trainingsergebnisse gespeichert werden. Ein relativer Pfad wird unter runs_dir/<task> abgelegt, ein absoluter Pfad wird unverändert verwendet. |
name | str | None | Name des Trainingslaufs. Wird verwendet, um im Projektordner ein Unterverzeichnis für Trainingsprotokolle und -ausgaben anzulegen. |
exist_ok | bool | False | Wenn True, können ein vorhandenes Projekt-/Namensverzeichnis überschrieben werden. Nützlich für iterative Experimente, ohne vorherige Ausgaben manuell löschen zu müssen. |
save_dir | str | None | Gibt das genaue Verzeichnis an, in dem die Ausgaben des Laufs gespeichert werden, und überschreibt die Kombination project/name. Der Pfad wird unverändert verwendet und nicht automatisch hochgezählt, sodass aufeinanderfolgende Läufe dasselbe Verzeichnis nutzen. |
pretrained | bool oder str | True | Legt fest, ob das Training mit vortrainierten Gewichten beginnt. Der Wert kann ein boolescher Wert oder ein Zeichenfolgenpfad zu ladenden Gewichten sein. pretrained=False trainiert mit zufällig initialisierten Gewichten und behält dabei die Modellarchitektur bei. |
cls_remap | bool | True | Beim Fine-Tuning über mehrere Datensätze hinweg werden Zeilen des vortrainierten Klassifizierungskopfs für übereinstimmende Klassennamen in das neue Modell kopiert. Überlappende Klassen behalten dadurch ihren erlernten Bias und – wenn die Breite des Kopfs unverändert bleibt – auch ihre Gewichte. Dies gilt sowohl bei unterschiedlicher Klassenanzahl als auch bei gleicher Klassenanzahl mit anderer Klassenreihenfolge. |
optimizer | str | 'auto' | Auswahl des Optimierers für das Training. Zu den Optionen gehören SGD, MuSGD, Adam, Adamax, AdamW, NAdam, RAdam, RMSProp oder auto, um anhand der Anzahl der Trainingsiterationen AdamW oder MuSGD auszuwählen. Beeinflusst Konvergenzgeschwindigkeit und -stabilität. |
seed | int | 0 | Legt den Zufallsstartwert für das Training fest und gewährleistet so die Reproduzierbarkeit der Ergebnisse bei Läufen mit denselben Konfigurationen. |
deterministic | bool | True | Erzwingt die Verwendung deterministischer Algorithmen und gewährleistet die Reproduzierbarkeit. Die Einschränkung nichtdeterministischer Algorithmen kann jedoch Leistung und Geschwindigkeit beeinträchtigen. |
verbose | bool | True | Aktiviert ausführliche Ausgaben während des Trainings und zeigt Fortschrittsbalken, Metriken für jede Epoche und zusätzliche Trainingsinformationen in der Konsole an. |
single_cls | bool | False | Behandelt beim Training alle Klassen in Datensätzen mit mehreren Klassen als eine einzige Klasse. Nützlich für binäre Klassifizierungsaufgaben oder wenn es darum geht, das Vorhandensein von Objekten statt deren Klassifizierung zu erkennen. |
classes | list[int] | None | Gibt eine Liste der Klassen-IDs an, mit denen trainiert werden soll. Nützlich, um Klassen herauszufiltern und sich beim Training auf bestimmte Klassen zu konzentrieren. |
rect | bool | False | Ermöglicht die Strategie der minimalen Auffüllung: Bilder in einem Batch werden nur so weit aufgefüllt, dass sie dieselbe Größe erreichen, wobei die längste Seite imgsz entspricht. Das kann Effizienz und Geschwindigkeit verbessern, sich aber auf die Modellgenauigkeit auswirken. Der standardmäßige YOLO-Trainer verwendet für die Validierung von Erkennung, Segmentierung, Pose und OBB rect=True, unabhängig von dieser Einstellung. |
multi_scale | float | 0.0 | Variiert imgsz in jedem Batch zufällig um +/- multi_scale (z. B. 0.25 -> 0.75x bis 1.25x) und rundet auf Vielfache des Modell-Strides; 0.0 deaktiviert das Training mit mehreren Skalen. |
cos_lr | bool | False | Verwendet einen Kosinus-Lernraten-Scheduler, der die Lernrate über die Epochen hinweg entlang einer Kosinuskurve anpasst. Unterstützt die Steuerung der Lernrate für eine bessere Konvergenz. |
close_mosaic | int | 10 | Deaktiviert die Mosaik-Datenerweiterung in den letzten N Epochen, um das Training vor dem Abschluss zu stabilisieren. Mit dem Wert 0 wird diese Funktion deaktiviert. |
resume | bool | False | Setzt das Training mit dem zuletzt gespeicherten Checkpoint fort. Lädt automatisch Modellgewichte, Optimiererzustand und Epochenanzahl und führt das Training ab der Stelle fort, an der es unterbrochen wurde. |
amp | bool oder str | True | Legt die Trainingsgenauigkeit fest: True oder "fp16" verwendet FP16, "bf16" BF16 auf unterstützten CUDA-Geräten und False oder "fp32" FP32. |
quantize | int oder str | None | Setze den Wert auf 8 (oder "int8"), um ein quantisierungsbewusstes Training (QAT) für INT8 zu aktivieren. Dabei wird das Modell mit Fake-Quantisierung im Trainingsablauf feinabgestimmt, damit die Gewichte den INT8-Export tolerieren. Siehe quantisierungsbewusstes Training. |
fraction | float, int oder list | 1.0 | Teilmenge des Datensatzes als Verhältnis/Anzahl oder [train, val, test]-Liste. 1 steht für den vollständigen Split; Ganzzahlen über 1 geben die Anzahl der Bilder an. Nur beim optionalen Testeintrag bedeuten 0/0.0 „keine“. Bei Listen mit zwei Einträgen bleibt der Testdatensatz vollständig. |
profile | bool | False | Aktiviert während des Trainings die Profilierung der ONNX- und TensorRT-Geschwindigkeiten, was für die Optimierung der Modellbereitstellung nützlich ist. |
freeze | int oder list | None | Friert die ersten N Schichten des Modells oder bestimmte Schichten anhand ihres Index oder Modulnamens ein (23.cv2, ohne vorangestelltes model.) und reduziert so die Anzahl der trainierbaren Parameter. Nützlich für Fine-Tuning oder Transferlernen. |
lr0 | float | 0.01 | Anfängliche Lernrate (z. B. SGD=1E-2, Adam=1E-3). Wird beim standardmäßigen optimizer='auto' ignoriert. Gib einen Optimierer explizit an, um diese Lernrate zu verwenden. |
lrf | float | 0.01 | Finale Lernrate als Anteil der anfänglichen Lernrate = (lr0 * lrf), die zusammen mit Schedulern zur Anpassung der Lernrate im Zeitverlauf verwendet wird. |
momentum | float | 0.937 | Momentum von SGD/MuSGD oder beta1 für Adam-Optimierer. Mit optimizer=auto verwendet AdamW 0.9; MuSGD beginnt bei 0.9, anschließend interpoliert das Warmup von warmup_momentum bis momentum. Ohne Warmup bleibt MuSGD im automatischen Modus bei 0.9. |
weight_decay | float | 0.0005 | L2-Regularisierung, die große Gewichte bestraft, um Überanpassung zu verhindern. |
warmup_epochs | float | 3.0 | Aufwärm-Epochen (Bruchteile sind zulässig), begrenzt, damit die letzte Epoche ohne Aufwärmphase bleibt. Die Lernrate steigt linear von 0 (Bias aus warmup_bias_lr) auf ihren geplanten Wert, der Momentum von warmup_momentum auf momentum und die Gradientenakkumulation von 1 Batch auf ihren Sollwert (siehe nbs); alle erreichen ihre Zielwerte am Ende der Aufwärmphase. |
warmup_momentum | float | 0.8 | Anfangs-Momentum für Optimierer mit Momentum-Term (SGD, MuSGD, RMSprop), das bis zum Ende der Aufwärmphase linear auf momentum angehoben wird. Beta1 bei Optimierern der Adam-Familie wird nicht aufgewärmt. |
warmup_bias_lr | float | 0.1 | Lernrate für Bias-Parameter während der Aufwärmphase, die zur Stabilisierung des Modelltrainings in den ersten Epochen beiträgt. Wird unter dem Standardwert optimizer='auto' automatisch auf 0.0 gesetzt; gib explizit einen Optimierer an, um sie zu verwenden. |
distill_model | str | None | Pfad zu einem Prüfpunkt des Lehrermodells (z. B. yolo26x.pt) für die Wissensdestillation. Wenn dieser Wert gesetzt ist, wird das Schülermodell mit einem zusätzlichen Destillationsverlust trainiert, der sich am eingefrorenen Lehrermodell orientiert. |
dis | float | 6.0 | Gewichtung des Destillationsverlusts, der zu den standardmäßigen Erkennungsverlusten hinzukommt. Höhere Werte verstärken den Einfluss der Merkmalsvorgaben des Lehrermodells. |
box | float | 7.5 | Gewichtung der Box-Verlustkomponente in der Verlustfunktion, die bestimmt, wie stark die präzise Vorhersage der Koordinaten des Begrenzungsrahmens gewichtet wird. |
cls | float | 0.5 | Gewichtung des Klassifizierungsverlusts in der Gesamtverlustfunktion. Beeinflusst, wie wichtig eine korrekte Klassenvorhersage im Vergleich zu anderen Komponenten ist. |
cls_pw | float | 0.0 | Potenz zur Gewichtung von Klassen, um Klassenungleichgewicht anhand der inversen Klassenhäufigkeit auszugleichen. 0.0 deaktiviert die Klassengewichtung, 1.0 wendet die vollständige Gewichtung anhand der inversen Häufigkeit an. Werte zwischen 0 und 1 bewirken eine teilweise Gewichtung. |
dfl | float | 1.5 | Gewichtung des Regressionsanteils für Box-Abstände: Distribution Focal Loss (DFL), wenn der Erkennungskopf reg_max > 1 verwendet, oder ein L1-Verlust auf normalisierten Box-Abständen bei DFL-freiem YOLO26 (reg_max: 1). |
pose | float | 12.0 | Gewichtung des Posenschätzungsverlusts bei Modellen, die für die Posenschätzung trainiert werden. Beeinflusst, wie stark die präzise Vorhersage von Posenschlüsselpunkten gewichtet wird. |
kobj | float | 1.0 | Gewichtung des Objektivitätsverlusts für Schlüsselpunkte bei Posenschätzungsmodellen. Stimmt die Erkennungssicherheit auf die Genauigkeit der Posenschätzung ab. |
rle | float | 1.0 | Gewichtung des Verlusts der residualen Log-Likelihood-Schätzung in Posenschätzungsmodellen. Beeinflusst die Präzision der Lokalisierung von Schlüsselpunkten. |
angle | float | 1.0 | Gewichtung des Winkelverlusts in OBB-Modellen. Beeinflusst die Präzision der Winkelvorhersagen orientierter Begrenzungsrahmen. |
dlog | float | 1.0 | Gewichtung des skaleninvarianten logarithmischen Verlusts (SILog) in Modellen zur Tiefenschätzung; dieser Hauptterm bestimmt die Tiefengenauigkeit. |
dgrad | float | 0.5 | Gewichtung des Gradientenverlusts in Modellen zur Tiefenschätzung. Bestraft Fehler an Tiefenkanten und fördert schärfere Oberflächengrenzen. |
dlam | float | 1.0 | Varianzfaktor des SILog-Verlusts in Modellen zur Tiefenschätzung. 1.0 macht den Verlust vollständig skaleninvariant, während 0.0 ihn auf den einfachen logarithmischen RMSE reduziert. |
nbs | int | 64 | Soll-Batchgröße. Gradienten werden über round(nbs / batch) Batches pro Optimierungsschritt akkumuliert (mindestens 1 und außerhalb des Modus time höchstens so viele wie die Gesamtzahl der Batches im Lauf); weight_decay wird entsprechend mit batch * accumulate / nbs skaliert. |
overlap_mask | bool | True | Legt fest, ob Objektmasken für das Training zu einer einzigen Maske zusammengeführt oder für jedes Objekt separat beibehalten werden sollen. Bei Überlappungen wird die kleinere Maske beim Zusammenführen über die größere gelegt. |
mask_ratio | int | 4 | Verkleinerungsfaktor für Segmentierungsmasken, der die Auflösung der während des Trainings verwendeten Masken beeinflusst. Die Auflösung vorhergesagter Masken wird dadurch nicht verändert. |
dropout | float | 0.0 | Dropout-Rate zur Regularisierung bei Klassifizierungsaufgaben. Verhindert Überanpassung, indem während des Trainings zufällig Einheiten ausgelassen werden. |
val | bool | True | Aktiviert die Validierung während des Trainings und ermöglicht so die regelmäßige Bewertung der Modellleistung anhand eines separaten Datensatzes. |
split | str | 'val' | Für die Validierung während des Trainings verwendete Datensatzaufteilung: val, test oder train. Die Metriken daraus wählen best.pt aus und steuern das vorzeitige Beenden des Trainings. |
nms | bool, optional | None | Wählt den Inferenzkopf aus, der bei der Validierung jeder Epoche, der Auswahl von Prüfpunkten und dem vorzeitigen Abbruch verwendet wird. None oder True verwendet One-to-Many mit NMS; False verwendet, sofern verfügbar, den NMS-freien Kopf. Beide Köpfe behalten ihre Trainingsverluste bei. |
plots | bool | True | Erzeugt und speichert Diagramme der Trainings- und Validierungsmetriken sowie Vorhersagebeispiele und bietet so einen visuellen Einblick in Modellleistung und Lernfortschritt. |
compile | bool oder str | False | Aktiviert die PyTorch-2.x-Graphkompilierung torch.compile mit backend='inductor'. Akzeptiert True → "default", False → deaktiviert oder einen Zeichenfolgenmodus wie "default", "reduce-overhead", "max-autotune-no-cudagraphs". Bei Nichtunterstützung wird mit einer Warnung auf den Eager-Modus zurückgegriffen. |
channels_last | bool | None | Verwendet für Faltungen während des Trainings das Speicherformat channels_last (NHWC). None aktiviert es automatisch unter CUDA mit PyTorch 1.11 oder neuer, außer unter Windows, wo es sich als langsamer erwiesen hat. False deaktiviert es, und True fordert es explizit an. Beim Training auf CPU oder MPS wird immer NCHW verwendet (True wird ignoriert und eine Warnung ausgegeben). |
max_det | int | 300 | Maximale Anzahl erkannter Objekte pro Bild während der Trainingsvalidierung. Bei Erkennung, Segmentierung, Pose und OBB wird der Standardwert 300 nur dann auf die höchste Anzahl beschrifteter Objekte in Training oder Validierung erhöht, wenn diese Anzahl über 300 liegt. Andere Werte bleiben unverändert; bei Überschreitung des Grenzwerts wird eine Warnung ausgegeben. |
Das Argument batch bietet drei Konfigurationsoptionen:
- Feste Batchgröße: Gib die Anzahl der Bilder pro Batch als Ganzzahl an (z. B.
batch=16). - Automatikmodus (60 % GPU-Speicher): Verwende
batch=-1, um die Einstellung automatisch auf etwa 60 % des für das Training verfügbaren CUDA-Speichers anzupassen. - Automatikmodus mit Nutzungsanteil: Lege einen Anteil fest (z. B.
batch=0.70), um die Einstellung anhand des angegebenen Anteils des verfügbaren GPU-Speichers anzupassen.
Wenn keine mögliche Batchgröße ein brauchbares Profil ergibt, löst AutoBatch einen aussagekräftigen RuntimeError aus, anstatt unbemerkt auf einen sachfremden Standardwert zurückzugreifen.
Vorhersageeinstellungen#
Zu den Vorhersageeinstellungen für YOLO-Modelle gehören Hyperparameter und Konfigurationen, die Leistung, Geschwindigkeit und Genauigkeit während der Inferenz beeinflussen. Zu den wichtigsten Einstellungen zählen der Konfidenzschwellenwert, der Schwellenwert für Non-Maximum Suppression (NMS) und die Klassenfilterung. Auch Eingabedatengröße und -format sowie zusätzliche Merkmale wie Masken wirken sich auf Vorhersagen aus. Für optimale Leistung müssen diese Einstellungen abgestimmt werden.
Inferenzargumente:
| Argument | Typ | Standard | Beschreibung |
|---|---|---|---|
source | str oder int oder None | None | Gibt die Datenquelle für die Inferenz an. Möglich sind ein Bildpfad, eine Videodatei, ein Verzeichnis, eine URL oder eine Geräte-ID für Live-Feeds. Wenn keine Quelle angegeben ist, wird eine Warnung protokolliert und das Modell greift auf die integrierten Demodateien zurück (ultralytics/assets oder bei OBB eine Demo-URL). Unterstützt eine Vielzahl von Formaten und Quellen und ermöglicht so den flexiblen Einsatz mit verschiedenen Eingabetypen. |
conf | float | 0.25 | Legt den minimalen Konfidenzschwellwert für Erkennungen fest. Objekte, deren Erkennung unter diesem Schwellwert liegt, werden verworfen. Durch Anpassen dieses Werts lassen sich falsch positive Ergebnisse reduzieren. |
iou | float | 0.5 | Schwellwert für Intersection over Union (IoU) bei Non-Maximum-Suppression (NMS). Niedrigere Werte führen zu weniger Erkennungen, da überlappende Boxen entfernt werden. Das ist nützlich, um Duplikate zu reduzieren. |
imgsz | int oder tuple | 640 | Zielgröße für Letterboxing. Eine Ganzzahl ergibt ein quadratisches N×N; ein Tupel ergibt (height, width). Bei rect=True kann der tatsächliche Tensor aufgrund der Auffüllung auf das minimale Rechteck kleiner als dieses Ziel sein. Verwende rect=False für eine feste Größe. Siehe Feste Form oder minimales Rechteck. |
rect | bool | True | Wenn True, verwende nach Möglichkeit Padding auf das minimale Rechteck (gleiche Form im Batch und unterstütztes Backend). Wenn False, verwende immer das vollständige imgsz. Siehe Feste Form oder minimales Rechteck. Wird für depth und RT-DETR-Modelle ignoriert, die Bilder ohne Padding auf die vollständige imgsz strecken. |
quantize | int oder str | None | Inferenzpräzision: 16/"fp16" und 32/"fp32"/unset wählen FP16- oder FP32-Berechnungen für PyTorch- und TorchScript-Modelle aus (FP32 auf der CPU); andere Formate verwenden die Präzision, die ihr Artefakt und ihre Laufzeitumgebung vorgeben. Bei 16 rundet OpenVINO die Eingabe auf dem Client weiterhin auf FP16 und erweitert sie anschließend wieder auf FP32, ohne die Präzision der Laufzeitumgebung zu ändern. Die INT8/PTQ-Quantisierung wird beim Export konfiguriert und anschließend durch Laden des exportierten Modells verwendet. Ersetzt das veraltete Flag half. |
device | str | None | Gibt das Gerät für die Inferenz an (z. B. cpu, cuda:0, 0, npu oder npu:0). Ermöglicht es Nutzern, für die Modellausführung zwischen CPU, einer bestimmten GPU, Huawei Ascend NPU oder anderen Rechengeräten zu wählen. OpenVINO- und LiteRT-Modelle werden auf der Intel-GPU und NPU mit xpu und npu ausgeführt; unter Inferenzgeräte findest du Informationen zu allen Formaten. |
dnn | bool | False | Wenn True verwendet wird, nutzt die Inferenz von ONNX-Modellen das DNN-Modul von OpenCV statt ONNX Runtime. |
data | str | None | Pfad zu einer Dataset-YAML-Datei (z. B. coco8.yaml), die nur für ihre names gelesen wird und nur dann, wenn das geladene Modell keine eigenen Klassennamen enthält: bei einem Export eines Drittanbieters oder bei einem Ultralytics-Export, der von den mitgelieferten Metadaten getrennt wurde. Andernfalls meldet ein solches Modell class0, class1 und so weiter. |
batch | int | 1 | Legt die Batchgröße für die Inferenz fest (funktioniert nur, wenn die Quelle ein Verzeichnis, eine Videodatei oder eine .txt-Datei ist). Eine größere Batchgröße kann den Durchsatz erhöhen und so die insgesamt benötigte Inferenzzeit verkürzen. |
tile | bool oder int | False | Führt die Inferenz mit festen Kacheln aus und gibt die Ergebnisse in den Koordinaten des Originalbilds zurück. True verwendet imgsz; eine positive Ganzzahl legt die Kachelgröße fest. Siehe Kachelung mit hoher Auflösung. |
max_det | int | 300 | Maximale Anzahl der pro Bild zulässigen Erkennungen. Begrenzt die Gesamtzahl der Objekte, die das Modell bei einer einzelnen Inferenz erkennen kann, und verhindert übermäßig viele Ausgaben in dicht besetzten Szenen. |
vid_stride | int | 1 | Bildabstand für Videoeingaben. Überspringt bei Videos Bilder, um die Verarbeitung zu beschleunigen, verringert dabei jedoch die zeitliche Auflösung. Der Wert 1 verarbeitet jedes Bild; höhere Werte überspringen Bilder. |
stream_buffer | bool | False | Legt fest, ob eingehende Bilder für Videostreams in eine Warteschlange gestellt werden. Bei False werden alte Bilder verworfen, um Platz für neue zu schaffen (optimiert für Echtzeitanwendungen). Bei True werden neue Bilder in einem Puffer zwischengespeichert, damit keine Bilder übersprungen werden; liegt die Inferenz-FPS jedoch unter der Stream-FPS, entsteht dadurch eine Verzögerung. |
visualize | bool | False | Speichert neben jeder Vorhersage eine Aktivierungskarte, die zeigt, welche Pixel die vorhergesagten Klassenwerte erhöht haben. Berücksichtigt conf und classes, sodass classes=[0] nur diese Klasse abbildet. Nur für Ultralytics-PyTorch-Modelle verfügbar. |
augment | bool | False | Aktiviert Testzeit-Augmentierung (TTA) für Vorhersagen. Dadurch kann sich die Robustheit der Erkennung verbessern, allerdings auf Kosten der Inferenzgeschwindigkeit. Nur für Ultralytics-PyTorch-Modelle verfügbar. |
agnostic_nms | bool | False | Aktiviert klassenunabhängige Nichtmaximalwertunterdrückung (NMS), bei der sich überlappende Boxen mit niedrigeren Konfidenzwerten klassenübergreifend unterdrückt werden, nicht nur innerhalb derselben Klasse. Nützlich bei Mehrklassenerkennungen, bei denen sich Klassen häufig überschneiden. Bei der NMS-freien Inferenz (nms=False mit YOLO26 oder YOLOv10) verhindert dies lediglich, dass dieselbe Erkennung mit mehreren Klassenbezeichnungen erscheint (Duplikate mit IoU=1.0), und unterdrückt keine unterschiedlichen Boxen anhand eines IoU-Schwellenwerts. |
classes | list[int] | None | Filtert Vorhersagen nach einer Auswahl von Klassen-IDs. Zurückgegeben werden nur Erkennungen, die zu den angegebenen Klassen gehören. Nützlich, um sich bei Mehrklassenerkennungsaufgaben auf relevante Objekte zu konzentrieren. |
retina_masks | bool | False | Gibt hochauflösende Segmentierungsmasken zurück. Wenn diese Option aktiviert ist, entsprechen die zurückgegebenen Masken (masks.data) der Originalbildgröße. Andernfalls haben sie die bei der Inferenz verwendete Bildgröße. |
embed | list[int] | None | Legt fest, aus welchen Schichten Feature-Vektoren oder Einbettungen extrahiert werden. Verwende model.embed(source) für Einbettungen aus der vorletzten Schicht oder model.predict(source, embed=[layer]), um bestimmte Schichten auszuwählen. Nützlich für nachgelagerte Aufgaben wie Clustering oder Ähnlichkeitssuche. Nur für Ultralytics-PyTorch-Modelle verfügbar. |
project | str | None | Name des Projektverzeichnisses, in dem die Vorhersageergebnisse gespeichert werden, wenn save aktiviert ist. Ein relativer Pfad wird unter runs_dir/<task> abgelegt, ein absoluter Pfad wird unverändert verwendet. |
name | str | None | Name des Vorhersagelaufs. Dient zum Erstellen eines Unterverzeichnisses im Projektordner, in dem die Vorhersageausgaben gespeichert werden, wenn save aktiviert ist. |
stream | bool | False | Ermöglicht eine speichereffiziente Verarbeitung langer Videos oder vieler Bilder, indem ein Generator von Results-Objekten zurückgegeben wird, statt alle Bilder gleichzeitig in den Arbeitsspeicher zu laden. |
verbose | bool | True | Legt fest, ob ausführliche Inferenzprotokolle im Terminal angezeigt werden, die den Vorhersageprozess in Echtzeit sichtbar machen. |
compile | bool oder str | False | Aktiviert die PyTorch-2.x-Graphkompilierung torch.compile mit backend='inductor'. Akzeptiert True → "default", False → deaktiviert oder einen Zeichenfolgenmodus wie "default", "reduce-overhead", "max-autotune-no-cudagraphs". Bei Nichtunterstützung wird mit einer Warnung auf den Eager-Modus zurückgegriffen. |
channels_last | bool | None | Verwendet für die native PyTorch-Inferenz das Speicherformat channels_last (NHWC). None aktiviert es automatisch auf oneDNN-fähigen Linux- und Windows-x86-CPUs mit PyTorch 1.13 oder neuer, False deaktiviert es und True fordert es auf unterstützten x86-CPUs oder CUDA-Geräten an. ARM64, MPS, ältere PyTorch-Versionen, CPUs ohne oneDNN und exportierte Formate wie TensorRT und ONNX bleiben unverändert. |
nms | bool, optional | None | Führt standardmäßig eine Viele-zu-eins-Inferenz mit NMS aus (None oder True). Setze False, um den NMS-freien Eins-zu-eins-Kopf zu verwenden, sofern verfügbar. Weitere Informationen findest du in der Anleitung zur End-to-End-Erkennung. |
Argumente für die Visualisierung:
| Argument | Typ | Standard | Beschreibung |
|---|---|---|---|
show | bool | False | Wenn True aktiviert ist, werden die annotierten Bilder oder Videos in einem Fenster angezeigt. Nützlich für unmittelbares visuelles Feedback während der Entwicklung oder beim Testen. |
save | bool | False or True | Aktiviert das Speichern annotierter Bilder oder Videos in Dateien. Nützlich für Dokumentation, weiterführende Analysen oder zum Teilen der Ergebnisse. Bei Verwendung der CLI standardmäßig True, bei Verwendung in Python False. |
save_frames | bool | False | Speichert bei der Verarbeitung von Videos einzelne Bilder als Dateien. Nützlich, um bestimmte Bilder zu extrahieren oder einzelne Bilder detailliert zu analysieren. |
save_txt | bool | False | Speichert Erkennungsergebnisse in einer Textdatei im Format [class] [x_center] [y_center] [width] [height] [confidence]. Nützlich für die Einbindung in andere Analysewerkzeuge. |
save_conf | bool | False | Fügt den gespeicherten Textdateien Konfidenzwerte hinzu. Dadurch stehen mehr Details für die Nachbearbeitung und Analyse zur Verfügung. |
save_crop | bool | False | Speichert zugeschnittene Bilder der erkannten Objekte. Nützlich für die Datensatzerweiterung, Analysen oder zum Erstellen gezielter Datensätze für bestimmte Objekte. |
show_labels | bool | True | Zeigt für jede Erkennung eine Bezeichnung in der visuellen Ausgabe an. So lassen sich erkannte Objekte sofort erkennen. |
show_conf | bool | True | Zeigt neben der Bezeichnung den Konfidenzwert jeder Erkennung an. Gibt Aufschluss darüber, wie sicher sich das Modell bei der jeweiligen Erkennung ist. |
show_boxes | bool | True | Zeichnet Begrenzungsrahmen um erkannte Objekte. Unverzichtbar, um Objekte in Bildern oder Videobildern visuell zu identifizieren und zu lokalisieren. |
line_width | int or None | None | Legt die Linienstärke der Begrenzungsrahmen fest. Bei None wird die Linienstärke automatisch an die Bildgröße angepasst. Ermöglicht eine übersichtliche visuelle Anpassung. |
Validierungseinstellungen#
Die Validierungseinstellungen für YOLO-Modelle umfassen Hyperparameter und Konfigurationen zur Bewertung der Leistung mit einem Validierungsdatensatz. Diese Einstellungen beeinflussen Leistung, Geschwindigkeit und Genauigkeit. Zu den üblichen Einstellungen zählen Batch-Größe, Bildgröße, Konfidenz- und IoU-Schwellenwerte sowie die auszuwertende Datensatzaufteilung. Auch Größe und Zusammensetzung des Validierungsdatensatzes sowie die jeweilige Aufgabe wirken sich auf den Ablauf aus.
| Argument | Typ | Standard | Beschreibung |
|---|---|---|---|
data | str | None | Gibt den Pfad zur Dataset-YAML-Datei an (z. B. coco8.yaml), die den Pfad zu den Validierungsdaten enthalten sollte. Für die Klassifizierung wird stattdessen ein Dataset-Verzeichnis oder der Name eines integrierten Datensatzes verwendet (z. B. imagenet10). |
imgsz | int | 640 | Legt die Größe der Eingabebilder fest. Vor der Verarbeitung werden alle Bilder auf diese Abmessungen skaliert. Größere Abmessungen können die Genauigkeit bei kleinen Objekten verbessern, erhöhen aber den Rechenaufwand. |
batch | int | 16 | Legt die Anzahl der Bilder pro Batch fest. Höhere Werte nutzen den GPU-Speicher effizienter, benötigen aber mehr VRAM. Passe den Wert an die verfügbaren Hardwareressourcen an. |
tile | bool oder int | False | Führt die Inferenz mit festen Kacheln aus und bewertet die zusammengeführten Ergebnisse anhand der Annotationen des vollständigen Originalbilds. True verwendet imgsz; eine positive Ganzzahl legt die Kachelgröße fest. Siehe Kachelung mit hoher Auflösung. |
save_json | bool | False | Wenn True aktiviert ist, werden die Ergebnisse zur weiteren Analyse, zur Integration mit anderen Tools oder zur Übermittlung an Evaluierungsserver wie COCO in einer JSON-Datei gespeichert. Bei Detektionsdatensätzen werden die Vorhersagen außerdem mit faster-coco-eval ausgewertet und die mAP-Werte für kleine, mittlere und große Objekte gemeldet; während des Trainings werden sie in results.csv als metrics/mAP_small(B), metrics/mAP_medium(B) und metrics/mAP_large(B) protokolliert. Bei semantischer Segmentierung werden stattdessen PNG-Klassenmasken unter results/ gespeichert, wobei die Bild-Unterverzeichnisse erhalten bleiben. |
conf | float | 0.001 | Legt den Mindestkonfidenzschwellenwert für Erkennungen fest. Niedrigere Werte erhöhen den Recall, können aber mehr falsch-positive Ergebnisse verursachen. Präzisions-Recall-Kurven, mAP und Erkennungskonfusionsmatrizen verwenden diesen Wert. Ein höherer Wert für conf, etwa 0.25, führt zu einer Matrix, die der Vorhersageausgabe stärker entspricht, kann aber die mAP senken. Die zusammengefassten Werte für Präzision und Recall verwenden die Konfidenz mit dem maximalen F1-Wert und können daher von den aus confusion_matrix.png abgeleiteten Werten abweichen. Für die OBB-Validierung standardmäßig 0.01, um den Speicherbedarf zu verringern. |
iou | float | 0.7 | Legt den Schwellenwert für die Schnittmenge über Vereinigungsmenge für die Nichtmaximalwertunterdrückung fest. Steuert das Entfernen doppelter Erkennungen. |
max_det | int | 300 | Begrenzt die maximale Anzahl erkannter Objekte pro Bild. Bei Erkennung, Segmentierung, Pose und OBB wird der Wert 300 automatisch auf die höchste Anzahl beschrifteter Objekte im validierten Datensatzabschnitt angehoben, falls diese Anzahl überschritten wird; in diesem Fall erscheint eine Warnung. Jeder andere Wert bleibt unverändert. Wird er überschritten, erscheint eine Warnung, dass der Recall begrenzt sein kann. |
quantize | int oder str | None | Validierungspräzision: 16/"fp16" und 32/"fp32"/unset wählen FP16- oder FP32-Berechnungen für PyTorch- und TorchScript-Modelle aus (FP32 auf der CPU); andere Formate verwenden die Präzision, die ihr Artefakt und ihre Laufzeitumgebung vorgeben. Bei 16 rundet OpenVINO die Eingabe auf dem Client weiterhin auf FP16 und erweitert sie anschließend wieder auf FP32, ohne die Präzision der Laufzeitumgebung zu ändern. Die INT8/PTQ-Quantisierung wird beim Export konfiguriert und anschließend zur Validierung des exportierten Modells verwendet. Ersetzt das veraltete Flag half. |
device | str | None | Gibt das Gerät für die Validierung an (cpu, cuda:0, npu, npu:0 usw.). Bei None wird automatisch das beste verfügbare Gerät ausgewählt. Mehrere CUDA-Geräte lassen sich durch Kommas getrennt angeben. OpenVINO- und LiteRT-Modelle werden auf der Intel-GPU und NPU mit xpu und npu ausgeführt; unter Inferenzgeräte findest du Informationen zu allen Formaten. |
dnn | bool | False | Wenn True aktiviert ist, verwendet die Inferenz von ONNX-Modellen das DNN-Modul von OpenCV als Alternative zu PyTorch-Inferenzmethoden. |
plots | bool | True | Bei True werden Vorhersagen im Vergleich zu den Ground-Truth-Daten, Konfusionsmatrizen und PR-Kurven zur visuellen Bewertung der Modellleistung erstellt und gespeichert. |
classes | list[int] | None | Gibt eine Liste der auszuwertenden Klassen-IDs an. Nützlich, um während der Auswertung bestimmte Klassen herauszufiltern und sich auf sie zu konzentrieren. |
rect | bool | True | Wenn True, werden Bilder mit ähnlichen Seitenverhältnissen zu rechteckigen Formen gruppiert. Vor dem Aufrunden jeder Dimension auf ein Vielfaches des Strides wird ein halber Stride addiert (kein zusätzlicher halber Stride für semantic). Bei einem Stride von 32 wird ein 640×640-Bild bei imgsz=640 zu 672×672 mit einem Versatz von 16 px, während predict 640×640 verwendet; daher können die Metriken abweichen. rect=False stimmt bei quadratischen Bildern mit predict überein. Wird für depth und RT-DETR ignoriert, die Bilder zu einem imgsz-Quadrat strecken. |
split | str | 'val' | Legt den für die Validierung verwendeten Datensatz-Split fest (val, test oder train). So kannst du flexibel auswählen, welcher Datenabschnitt zur Leistungsbewertung verwendet wird. |
fraction | float, int oder list | 1.0 | Teilmenge des validierten Splits. Bei einer Liste in [train, val, test] gilt der Eintrag, der zu split passt (1 = vollständiger Split, Ganzzahlen über 1 = Anzahl der Bilder; ausgelassene Einträge entsprechen dem vollständigen Split). Ein einzelner Wert gilt nur für split=train; val und test verwenden dann den vollständigen Split. |
project | str | None | Name des Projektverzeichnisses, in dem die Validierungsergebnisse gespeichert werden. Ein relativer Pfad wird unter runs_dir/<task> abgelegt, ein absoluter Pfad wird unverändert verwendet. |
name | str | None | Name des Validierungslaufs. Dient zum Erstellen eines Unterverzeichnisses im Projektordner, in dem Validierungsprotokolle und -ausgaben gespeichert werden. |
verbose | bool | True | Wenn True aktiviert ist, werden während der Validierung ausführliche Informationen angezeigt, darunter Kennzahlen für jede Klasse, der Batch-Fortschritt und zusätzliche Informationen zur Fehlersuche. |
save_txt | bool | False | Wenn True aktiviert ist, werden Erkennungsergebnisse in Textdateien gespeichert, jeweils eine Datei pro Bild. Nützlich für weiterführende Analysen, benutzerdefinierte Nachbearbeitung oder die Einbindung in andere Systeme. |
save_conf | bool | False | Wenn True aktiviert ist, werden Konfidenzwerte in die gespeicherten Textdateien aufgenommen, sofern save_txt aktiviert ist. Dadurch stehen detailliertere Ausgaben für Analysen und Filterungen zur Verfügung. |
workers | int | 8 | Anzahl der Worker-Threads für das Laden von Daten. Höhere Werte können die Datenvorverarbeitung beschleunigen, aber die CPU-Auslastung erhöhen. Bei 0 wird der Hauptthread verwendet, was in manchen Umgebungen stabiler sein kann. |
augment | bool | False | Aktiviert Testzeit-Augmentierung (TTA) während der Validierung. Durch Inferenz auf transformierten Versionen der Eingabe kann sich die Erkennungsgenauigkeit verbessern, allerdings auf Kosten der Inferenzgeschwindigkeit. Nur für Ultralytics-PyTorch-Modelle verfügbar. |
agnostic_nms | bool | False | Aktiviert klassenunabhängige Non-Maximum Suppression, die überlappende Rahmen mit niedrigerer Bewertung unabhängig von ihrer vorhergesagten Klasse unterdrückt. Nützlich für Anwendungen mit Fokus auf einzelne Instanzen. Bei NMS-freier Inferenz (nms=False für YOLO26 oder YOLOv10) wird dadurch lediglich verhindert, dass dieselbe Erkennung mit mehreren Klassenbezeichnungen erscheint (Duplikate mit IoU=1.0); eine Unterdrückung unterschiedlicher Rahmen anhand eines IoU-Schwellenwerts findet nicht statt. |
single_cls | bool | False | Behandelt während der Validierung alle Klassen als eine einzige Klasse. Nützlich, um die Modellleistung bei binären Erkennungsaufgaben zu bewerten oder wenn Klassenunterscheidungen keine Rolle spielen. |
visualize | bool | False | Visualisiert für jedes Bild die Ground-Truth-Daten, richtig-positiven, falsch-positiven und falsch-negativen Ergebnisse. Nützlich für die Fehlersuche und die Interpretation des Modells. |
show_labels | bool | True | Zeigt Klassenbezeichnungen in Validierungsvisualisierungen an, wenn visualize=True aktiviert ist. Setze den Wert auf False, um Übereinstimmungen und Fehler übersichtlicher darzustellen. |
show_conf | bool | True | Zeigt Konfidenzwerte in Validierungsvisualisierungen an, wenn visualize=True aktiviert ist. Setze den Wert auf False, um Übereinstimmungen und Fehler übersichtlicher darzustellen. |
compile | bool oder str | False | Aktiviert die PyTorch-2.x-Graphkompilierung torch.compile mit backend='inductor'. Akzeptiert True → "default", False → deaktiviert oder einen Zeichenfolgenmodus wie "default", "reduce-overhead", "max-autotune-no-cudagraphs". Bei Nichtunterstützung wird mit einer Warnung auf den Eager-Modus zurückgegriffen. |
channels_last | bool | None | Verwendet für die native PyTorch-Validierung das Speicherformat channels_last (NHWC). None aktiviert es automatisch auf oneDNN-fähigen Linux- und Windows-x86-CPUs mit PyTorch 1.13 oder neuer, False deaktiviert es und True fordert es auf unterstützten x86-CPUs oder CUDA-Geräten an. ARM64, MPS, ältere PyTorch-Versionen, CPUs ohne oneDNN und exportierte Formate bleiben unverändert; bei der Validierung während des Trainings bleibt das Layout des Trainingsmodells erhalten. |
nms | bool, optional | None | Führt standardmäßig eine Viele-zu-eins-Inferenz mit NMS aus (None oder True). Setze False, um den NMS-freien Eins-zu-eins-Kopf zu verwenden, sofern verfügbar. Weitere Informationen findest du in der Anleitung zur End-to-End-Erkennung. |
Sorgfältige Abstimmung und Experimente sind entscheidend, um eine optimale Leistung sicherzustellen und Überanpassung zu erkennen und zu verhindern.
Exporteinstellungen#
Zu den Exporteinstellungen für YOLO-Modelle gehören Konfigurationen, mit denen das Modell zur Verwendung in verschiedenen Umgebungen gespeichert oder exportiert wird. Diese Einstellungen beeinflussen Leistung, Größe und Kompatibilität. Wichtige Einstellungen sind das Exportdateiformat (z. B. ONNX oder TensorFlow SavedModel), das Zielgerät (z. B. CPU oder GPU) und die numerische Genauigkeit mithilfe von Quantisierung (quantize). Auch die Aufgabe des Modells und die Einschränkungen der Zielumgebung wirken sich auf den Export aus.
| Argument | Typ | Standard | Beschreibung |
|---|---|---|---|
format | str | 'torchscript' | Zielformat für das exportierte Modell, etwa 'onnx', 'torchscript', 'engine' (TensorRT) oder ein anderes Format. Jedes Format ermöglicht die Kompatibilität mit unterschiedlichen Bereitstellungsumgebungen. |
name | str | None | Hardwarezielname für Formate, die eines erfordern: Hailo-Architektur ('hailo8', 'hailo8l', 'hailo10h', 'hailo15h', 'hailo15l'; Standardwert ist 'hailo8l'), Rockchip-RKNN-Chip (Standardwert ist 'rk3588'), Huawei-Ascend-SoC (ein CANN---soc_version; Standardwert ist 'Ascend310B4'), Qualcomm-QNN-HTP-Ziel (Standardwert ist '73') oder AMD-Xilinx-Versal-AI-Edge-Series-Gen-2-Gerät (Standardwert ist 've2-xc2ve3858', das VEK385-Evaluierungskit). Unterscheidet sich vom Run-Namenspaar project/name, das andere Modi verwenden. |
imgsz | int oder tuple | 640 | Gewünschte Bildgröße für die Modelleingabe. Kann eine Ganzzahl für quadratische Bilder sein (z. B. 640 für 640×640) oder ein Tupel (height, width) für bestimmte Abmessungen. Wenn nicht angegeben, verwendet der Export die Trainingsgröße, die im geladenen Checkpoint gespeichert ist: Die offiziellen YOLO26-Checkpoints speichern 1024 für auf Cityscapes vortrainierte semantische Modelle (yolo26n-sem.pt), 768 für Tiefenschätzung, 224 für Klassifizierung, 1024 für OBB und 640 für die übrigen Aufgaben, einschließlich auf ADE20K vortrainierter semantischer Modelle (yolo26n-sem-ade20k.pt), während bei einem feinabgestimmten Modell die jeweilige Trainingsgröße imgsz gespeichert wird. Ein aus einer YAML-Datei erstelltes Modell hat keine gespeicherte Trainingsgröße und verwendet 640. |
optimize | bool | False | Aktiviert eine stärkere Compileroptimierung für DEEPX. Dadurch verringert sich die Inferenzlatenz, während sich die Kompilierungszeit erhöht. |
quantize | int oder str | None | Quantisierungsgenauigkeit: 16 (FP16, verringert die Modellgröße und kann die Inferenz auf unterstützter Hardware beschleunigen) oder 8 (INT8/PTQ, komprimiert das Modell weiter und verursacht dabei nur minimale Verluste bei der Genauigkeit, vor allem für Edge-Geräte; benötigt eine Kalibrierung data/fraction); 32 wählt, sofern unterstützt, FP32; ist die Option nicht gesetzt, wird FP32 verwendet, es sei denn, das Ziel erfordert eine Quantisierung, beispielsweise INT8 für NXP. Ein mit quantize=8 trainierter Checkpoint wird immer als INT8 exportiert: onnx und engine exportieren ohne Kalibrierung anhand der darin enthaltenen Bereiche, andere Formate oder Genauigkeiten werden abgelehnt. 'w8a8' und 'w16a16' sind Aliase für 8 und 16; die gemischten Genauigkeiten 'w8a16' (INT8-Gewichte mit 16-Bit-Aktivierungen: CoreML, LiteRT, QNN) und 'w8a32' (dynamisches INT8: LiteRT) werden nur von diesen Formaten akzeptiert. Ersetzt die veralteten Flags half/int8 (half=True → 16, int8=True → 8, werden mit einer Warnung zur Veraltung weiterhin akzeptiert). Es sind nur Genauigkeiten zulässig, die vom Zielformat unterstützt werden (siehe unten). |
dynamic | bool | False | Ermöglicht dynamische Eingabegrößen für TorchScript-, ONNX-, OpenVINO-, TensorRT-, CoreML- und MNN-Exporte und erhöht so die Flexibilität bei unterschiedlichen Bildabmessungen. |
simplify | bool | True | Vereinfacht den zwischengeschalteten ONNX-Graphen mit onnxslim für Exporte, die einen solchen Graphen erstellen (siehe Exportformate). Das kann Leistung und Kompatibilität mit Inferenz-Engines verbessern. |
opset | int | None | Gibt die ONNX-opset-Version für Exporte an, die einen ONNX-Graphen erstellen (siehe Exportformate), um die Kompatibilität mit verschiedenen ONNX-Parsern und Laufzeitumgebungen sicherzustellen. Wenn nicht angegeben, wird opset 18 verwendet (niedriger bei PyTorch < 2.4), höchstens jedoch die installierte Version onnx. RKNN-, Ascend-, AMD Xilinx-, Hailo- und RT-DETR-TensorFlow-Exporte legen ihr eigenes opset fest. |
workspace | float oder None | None | Legt die maximale Workspace-Größe in GiB für TensorRT-Optimierungen fest und schafft so einen Ausgleich zwischen Speicherbedarf und Leistung. Verwende None, damit TensorRT automatisch bis zur maximalen Gerätegröße Speicher zuweist. |
nms | bool, optional | None | None exportiert Rohdaten mit One-to-Many-Vorhersagen für externe NMS (YOLO26 behält seinen Kopf ohne NMS auf Axelera); True bettet NMS ein, sofern unterstützt; False wählt den Kopf ohne NMS aus, sofern verfügbar. Die eingebettete NMS in CoreML unterstützt Erkennung, Segmentierung und Pose mit statischen Dimensionen. Siehe den Leitfaden zur End-to-End-Erkennung. |
conf | float | None | Konfidenzschwellenwert für alle Fälle, in denen beim Export NMS erzeugt wird: nms=True-Exporte, nicht durchgängige detect-Exporte für Hailo sowie detect-, pose- und segment-Exporte für IMX, die intern nms=True erzwingen. Wenn kein Wert gesetzt ist, wird standardmäßig 0.25 verwendet. |
iou | float | 0.5 | IoU-Schwellenwert für alle Fälle, in denen beim Export NMS erzeugt wird: nms=True-Exporte, nicht durchgängige detect-Exporte für Hailo sowie detect-, pose- und segment-Exporte für IMX, die intern nms=True erzwingen. |
max_det | int | 300 | Maximale Anzahl der Erkennungen, die in der Ausgabe des exportierten Modells erhalten bleibt. Gilt für nms=True-Exporte in allen Formaten außer der detect-Funktion von CoreML, deren native NMS-Pipeline keine Obergrenze für Erkennungen hat. Gilt außerdem für NMS-freie End-to-End-Erkennungsexporte (YOLO26, YOLOv10; begrenzt auf die Anzahl verfügbarer Anker) und detect-, pose- sowie segment-Exporte für IMX. |
agnostic_nms | bool | False | Aktiviert klassenunabhängige NMS in allen Fällen, in denen NMS beim Export über die standardmäßige Pipeline nms=True erzeugt wird, einschließlich der eigenen NMS-Stufe von CoreML. Dabei werden sich überlappende Boxen mit niedrigeren Konfidenzwerten klassenübergreifend unterdrückt, nicht nur innerhalb derselben Klasse. Die Einstellung wird von den eigenen erzeugten NMS-Konfigurationen von Hailo und IMX nicht berücksichtigt. Diese bieten keine klassenunabhängige Option und bleiben unabhängig von diesem Flag klassenabhängig. Bei NMS-freien End-to-End-Exporten (YOLO26, YOLOv10) ist die Option ebenfalls fest eingebunden; dort verhindert sie lediglich, dass dieselbe Erkennung mit mehreren Klassenbezeichnungen erscheint (Duplikate mit IoU=1.0), und unterdrückt keine unterschiedlichen Boxen anhand eines IoU-Schwellenwerts. |
batch | int | 1 | Legt die Batchgröße für die Inferenz des exportierten Modells oder die maximale Anzahl der Bilder fest, die das exportierte Modell gleichzeitig im Modus predict verarbeitet. Formate, deren Exportargumente kein batch enthalten, exportieren mit Batchgröße 1 und lehnen andere Werte ab. |
device | str | None | Gibt das Gerät für den Export an: GPU (device=0), CPU (device=cpu), MPS für Apple Silicon (device=mps), Huawei Ascend NPU (device=npu oder device=npu:0) oder DLA für NVIDIA Jetson (device=dla:0 oder device=dla:1). TensorRT-Exporte verwenden automatisch die GPU, aber TensorRT 11 unterstützt DLA nicht. OpenVINO-INT8-Exporte mit device=npu sind für Intel-NPUs optimiert. |
verbose | bool | False | Erhöht den Protokollierungsgrad des TensorRT-Builders während des Exports mit format='engine' auf VERBOSE. Andere Exportformate ignorieren diese Option. |
data | str | None | Kalibrierungsdatensatz: ein YAML-Pfad (keine Klassifizierung), ein NDJSON-Pfad oder eine URL, eine Datensatz-URI der Plattform (ul://owner/datasets/name) oder eine Web-URL. Für Datensätze der Plattform benötigst du einen API-Schlüssel und Python 3.11+. Für die Klassifizierung werden auch ein Datensatzverzeichnis oder der Name eines integrierten Datensatzes akzeptiert. Wenn INT8 aktiviert ist und kein Datensatz angegeben wurde, wählt Ultralytics bei Bedarf einen auf die jeweilige Aufgabe zugeschnittenen Kalibrierungsdatensatz aus oder greift auf den Standarddatensatz für die Modellaufgabe zurück. Ein mit quantize=8 trainierter Checkpoint enthält eigene INT8-Bereiche und benötigt keine Kalibrierungsdaten. |
split | str | 'val' | Datensatz-Split ('train', 'val' oder 'test'), der zum Erstellen des INT8-Kalibrierungsdatenladers aus data verwendet wird. |
fraction | float, int oder list | 1.0 | Für die INT8-Kalibrierung verwendete Teilmenge des Datensatzes: ein Verhältnis, eine Bildanzahl oder Werte aus [train, val, test]. 1 steht für den vollständigen Split; Ganzzahlen über 1 geben die Bildanzahl an. Nur beim optionalen Testeintrag bedeuten 0/0.0, dass keine Daten verwendet werden. Bei Listen mit zwei Einträgen bleibt test vollständig. |
Durchdachte Konfigurationen stellen sicher, dass das exportierte Modell für seinen Einsatzzweck optimiert ist und in der Zielumgebung effektiv funktioniert.
Einstellungen für Lösungen#
Die Konfigurationseinstellungen der Ultralytics-Lösungen bieten Flexibilität, um Modelle für Aufgaben wie Objektzählung, Heatmap-Erstellung, Trainingsverfolgung, Datenanalyse, Zonenverfolgung, Warteschlangenverwaltung und bereichsbasierte Zählung anzupassen. Mit diesen Optionen kannst du die Einstellungen einfach anpassen, um genaue und nützliche Ergebnisse zu erhalten, die auf bestimmte Anforderungen zugeschnitten sind.
| Argument | Typ | Standard | Beschreibung |
|---|---|---|---|
model | str | None | Pfad zu einer Ultralytics-YOLO-Modelldatei. |
region | list oder dict | None | Punkte, die den Interessenbereich festlegen: entweder eine Liste von (x, y)-Tupeln oder ein Wörterbuch, das bei mehreren Bereichen deren Namen den jeweiligen Punktelisten zuordnet (nur RegionCounter). Bei None verwenden Lösungen, die einen Bereich benötigen, einen vordefinierten Standardbereich. |
show_in | bool | True | Steuert, ob die Eingangsanzahl im Videostream angezeigt wird. |
show_out | bool | True | Steuert, ob die Ausgangsanzahl im Videostream angezeigt wird. |
analytics_type | str | 'line' | Diagrammtyp, z. B. line, bar, area oder pie. |
colormap | int | cv2.COLORMAP_DEEPGREEN | Für die Heatmap zu verwendende Farbpalette. |
line_width | int | 2 | Linienstärke für die Boxen, Keypoints und Zählwerte, die von der Lösung eingezeichnet werden. |
verbose | bool | True | Aktiviert das Protokoll der Lösung für jedes Bild, das Eingabeform, Klassenanzahlen und Verarbeitungsgeschwindigkeit enthält. Der Tracking-Aufruf selbst gibt grundsätzlich keine Meldungen aus. |
json_file | str | None | Pfad zur JSON-Datei mit allen Koordinatendaten für Parkplätze. |
up_angle | float | 145.0 | Winkelschwellenwert für die „obere“ Pose. |
kpts | list[int] | [6, 8, 10] | Liste mit drei Keypoint-Indizes zur Überwachung von Trainingseinheiten. Diese Keypoints entsprechen Körpergelenken oder -teilen wie Schultern, Ellbogen und Handgelenken und werden für Übungen wie Liegestütze, Klimmzüge, Kniebeugen und Bauchmuskeltraining verwendet. |
down_angle | float | 90.0 | Winkelschwellenwert für die „untere“ Pose. |
blur_ratio | float | 0.5 | Passt den prozentualen Unschärfegrad an; Werte liegen im Bereich 0.1 - 1.0. |
crop_dir | str | 'cropped-detections' | Verzeichnisname zum Speichern zugeschnittener Erkennungen. |
records | int | 5 | Gesamtzahl der Erkennungen, ab der eine E-Mail mit einem Sicherheitsalarm ausgelöst wird. |
vision_point | tuple[int, int] | (20, 20) | Der Punkt, an dem VisionEye Objekte verfolgt und mithilfe der VisionEye-Lösung Pfade zeichnet. |
source | str | None | Pfad zur Eingabequelle (Video, RTSP usw.). Nur mit der Befehlszeilenschnittstelle (CLI) für Solutions verwendbar. |
figsize | tuple[float, float] | (12.8, 7.2) | Abbildungsgröße in Zoll für Analytics-Diagramme; (12.8, 7.2) rendert ein Bild mit 1280×720 Pixeln. |
fps | float | 30.0 | Für Geschwindigkeitsberechnungen verwendete Bilder pro Sekunde. |
max_hist | int | 5 | Maximale Anzahl historischer Punkte, die pro Objekt für Geschwindigkeits- und Richtungsberechnungen verfolgt werden. |
meter_per_pixel | float | 0.05 | Skalierungsfaktor zur Umrechnung von Pixelabständen in reale Maßeinheiten. |
max_speed | int | 120 | Maximale Geschwindigkeit in km/h; höhere geschätzte Geschwindigkeiten werden auf diesen Wert begrenzt. |
data | str | 'images' | Pfad zum Bildverzeichnis für die Ähnlichkeitssuche. |
imgsz | int | 640 | Eingabebildgröße für die Modellinferenz. |
recognizer | str oder Callable | 'paddleocr' | Texterkennungs-Backend: 'paddleocr' (PP-OCRv6 mit ONNX Runtime), 'tensorrt' (PP-OCRv6 als FP16-TensorRT-Engine auf NVIDIA-GPUs), ein PaddleOCR-Sprachmodellname wie 'korean_PP-OCRv5_mobile_rec' oder ein aufrufbares Objekt, das einen BGR-Ausschnitt entgegennimmt und (text, confidence) zurückgibt. |
Augmentierungseinstellungen#
Techniken zur Datenaugmentierung sind entscheidend, um die Robustheit und Leistung von YOLO-Modellen zu verbessern. Dazu wird Abwechslung in die Trainingsdaten gebracht, damit das Modell besser auf unbekannte Daten generalisieren kann. Die folgende Tabelle beschreibt Zweck und Wirkung der einzelnen Augmentierungsargumente:
| Argument | Typ | Standard | Unterstützte Aufgaben | Bereich | Beschreibung |
|---|---|---|---|---|---|
hsv_h | float | 0.015 | detect, segment, semantic, depth, classify, pose, obb | 0.0 - 1.0 | Passt den Farbton des Bildes um einen Anteil des Farbkreises an und sorgt so für Farbvariationen. Dies hilft dem Modell, auf unterschiedliche Lichtverhältnisse zu generalisieren. Für classify gilt dies nur, wenn auto_augment=None. |
hsv_s | float | 0.7 | detect, segment, semantic, depth, classify, pose, obb | 0.0 - 1.0 | Ändert die Sättigung des Bildes um einen Anteil und beeinflusst so die Farbintensität. Dies eignet sich, um verschiedene Umgebungsbedingungen zu simulieren. Für classify gilt dies nur, wenn auto_augment=None. |
hsv_v | float | 0.4 | detect, segment, semantic, depth, classify, pose, obb | 0.0 - 1.0 | Ändert den Wert (die Helligkeit) des Bildes um einen Anteil und hilft dem Modell, bei unterschiedlichen Lichtverhältnissen gute Ergebnisse zu erzielen. Für classify gilt dies nur, wenn auto_augment=None. |
degrees | float | 0 | detect, segment, semantic, depth, pose, obb | 0.0 - 180 | Dreht das Bild zufällig innerhalb des angegebenen Winkelbereichs und verbessert so die Fähigkeit des Modells, Objekte in verschiedenen Ausrichtungen zu erkennen. |
translate | float | 0.1 | detect, segment, semantic, depth, pose, obb | 0.0 - 1.0 | Verschiebt das Bild horizontal und vertikal um einen Anteil der Bildgröße. Dadurch lernt das Modell, teilweise sichtbare Objekte zu erkennen. |
scale | float | tuple | 0.5 | detect, segment, semantic, depth, classify, pose, obb | 0 - 1 oder ein explizites Tupel (min, max) (nicht für classify) | Skaliert das Bild mit einem Verstärkungsfaktor und simuliert so Objekte in verschiedenen Entfernungen zur Kamera. |
shear | float | 0 | detect, segment, semantic, depth, pose, obb | -180 - +180 | Verzerrt das Bild um einen angegebenen Winkel und ahmt so den Effekt nach, dass Objekte aus verschiedenen Blickwinkeln betrachtet werden. |
perspective | float | 0 | detect, segment, semantic, depth, pose, obb | 0.0 - 0.001 | Wendet eine zufällige perspektivische Transformation auf das Bild an und verbessert so die Fähigkeit des Modells, Objekte im dreidimensionalen Raum zu verstehen. |
flipud | float | 0 | detect, segment, semantic, depth, classify, pose, obb | 0.0 - 1.0 | Dreht das Bild mit der angegebenen Wahrscheinlichkeit auf den Kopf und erhöht so die Datenvielfalt, ohne die Merkmale des Objekts zu verändern. |
fliplr | float | 0.5 | detect, segment, semantic, depth, classify, pose, obb | 0.0 - 1.0 | Spiegelt das Bild mit der angegebenen Wahrscheinlichkeit horizontal. Dies eignet sich zum Lernen symmetrischer Objekte und erhöht die Vielfalt des Datensatzes. |
bgr | float | 0 | detect, segment, semantic, depth, pose, obb | 0.0 - 1.0 | Vertauscht mit der angegebenen Wahrscheinlichkeit die Bildkanäle von RGB zu BGR. Dies erhöht die Robustheit gegenüber einer falschen Kanalreihenfolge. |
mosaic | float | 1 | detect, segment, semantic, pose, obb | 0.0 - 1.0 | Fügt vier Trainingsbilder zu einem Bild zusammen und simuliert so unterschiedliche Szenenzusammensetzungen und Objektinteraktionen. Eignet sich für ein besseres Verständnis komplexer Szenen. |
mixup | float | 0 | detect, segment, semantic, pose, obb | 0.0 - 1.0 | Mischt zwei Bilder und ihre Beschriftungen zu einem zusammengesetzten Bild. Durch Rauschen in den Beschriftungen und visuelle Variationen verbessert sich die Generalisierungsfähigkeit des Modells. |
cutmix | float | 0 | detect, segment, semantic, pose, obb | 0.0 - 1.0 | Kombiniert Teile zweier Bilder zu einer teilweisen Überblendung, wobei die Bereiche unterscheidbar bleiben. Dadurch wird die Robustheit des Modells durch simulierte Verdeckungssituationen verbessert. |
copy_paste | float | 0 | segment, semantic, obb | 0.0 - 1.0 | Anteil der geeigneten Objekte, die eingefügt werden; flip spiegelt sie innerhalb des Bildes, während mixup diesen Wert auch als Wahrscheinlichkeit für die Anwendung über mehrere Bilder hinweg verwendet. |
copy_paste_mode | str | flip | segment, semantic, obb | - | Gibt die zu verwendende Strategie copy-paste an. Zur Auswahl stehen 'flip' und 'mixup'. |
auto_augment | str | randaugment | classify | - | Wendet eine vordefinierte Augmentierungsrichtlinie ('randaugment', 'autoaugment' oder 'augmix') an, um die Modellleistung durch visuelle Vielfalt zu verbessern. |
erasing | float | 0.4 | classify | 0.0 - 1.0 | Löscht während des Trainings zufällig Bildbereiche, damit sich das Modell auf weniger offensichtliche Merkmale konzentriert. |
augmentations | list | None | detect, segment, semantic, depth, pose, obb | - | Benutzerdefinierte Albumentations-Transformationen für erweiterte Datenaugmentierung (nur Python-API). Akzeptiert eine Liste von Transformationsobjekten für spezielle Anforderungen an die Augmentierung. |
Passe diese Einstellungen an die Anforderungen des Datensatzes und der Aufgabe an. Durch Ausprobieren verschiedener Werte findest du möglicherweise die optimale Augmentierungsstrategie für die beste Modellleistung.
Einstellungen für Protokollierung, Prüfpunkte und Diagramme#
Protokollierung, Prüfpunkte, Diagramme und Dateiverwaltung sind beim Trainieren eines YOLO-Modells wichtig:
- Protokollierung: Verfolge den Fortschritt des Modells und diagnostiziere Probleme mithilfe von Bibliotheken wie TensorBoard oder durch Schreiben in eine Datei.
- Prüfpunkte: Speichere das Modell regelmäßig, damit du das Training fortsetzen oder verschiedene Konfigurationen ausprobieren kannst.
- Diagramme: Visualisiere Leistung und Trainingsfortschritt mithilfe von Bibliotheken wie Matplotlib oder TensorBoard.
- Dateiverwaltung: Organisiere die während des Trainings erzeugten Dateien, beispielsweise Prüfpunkte, Protokolldateien und Diagramme, damit sie leicht zugänglich und auszuwerten sind.
Eine effektive Verwaltung dieser Aspekte hilft dir, den Fortschritt zu verfolgen und Fehlerbehebung sowie Optimierung zu erleichtern.
| Argument | Standard | Beschreibung |
|---|---|---|
project | None | Gibt das Projektverzeichnis für Durchläufe an. Ein relativer Pfad wird unter runs_dir/<task> abgelegt (z. B. speichert project="my_proj" die Ergebnisse für das Detektionstraining mit der standardmäßigen runs_dir und dem Durchlaufnamen unter runs/detect/my_proj/train); ein absoluter Pfad wird unverändert verwendet. Wenn kein Pfad angegeben ist, werden die Durchläufe unter runs_dir/<task> gespeichert. Jeder Durchlauf wird in einem eigenen Unterverzeichnis gespeichert. |
name | None | Legt den Namen des Experiments fest. Wenn kein Name angegeben ist, verwendet YOLO den Namen des Modus und erhöht ihn bei jedem Lauf (z. B. train, train-2), um ein Überschreiben zu verhindern. |
exist_ok | False | Legt fest, ob ein vorhandenes Experimentverzeichnis überschrieben wird. True erlaubt das Überschreiben; False verhindert es. |
plots | True | Steuert die Erstellung und Speicherung von Trainings- und Validierungsdiagrammen. Setze den Wert auf True, um Diagramme wie Verlustkurven, Präzisions-Recall-Kurven und Beispielvorhersagen zur visuellen Leistungsüberwachung zu erstellen. |
save | True | Aktiviert das Speichern von Trainingsprüfpunkten und den endgültigen Modellgewichten. Setze den Wert auf True, um Modellzustände regelmäßig zu speichern und so das Fortsetzen des Trainings oder die Bereitstellung des Modells zu ermöglichen. |
Benutzerdefinierte Konfigurationsdatei#
Lade eine gespeicherte YAML-Datei, um eine vollständige Gruppe von Argumenten wiederzuverwenden, ohne sie inline anzugeben. Das Argument cfg überschreibt Werte aus default.yaml; zusätzlich angegebene Argumente haben weiterhin Vorrang.
| Argument | Standard | Beschreibung |
|---|---|---|
cfg | None | Pfad zu einer YAML-Datei, deren Werte die Einträge in default.yaml ersetzen. Ein ausgearbeitetes CLI-Beispiel findest du unter Standardkonfigurationsdatei überschreiben. |
Häufig gestellte Fragen#
Verbessere die Leistung, indem du Hyperparameter wie Batchgröße, Lernrate, Momentum und Gewichtszerfall abstimmst. Passe die Einstellungen für die Datenerweiterung an, wähle den passenden Optimierer und nutze Techniken wie vorzeitiges Beenden oder gemischte Genauigkeit.
Zu den wichtigsten Hyperparametern, die sich auf die Genauigkeit auswirken, gehören:
- Stapelgröße (
batch): Größere Werte können das Training stabilisieren, benötigen aber mehr Speicher. - Lernrate (
lr0): Niedrigere Werte ermöglichen feinere Anpassungen, verlangsamen aber die Konvergenz. - Momentum (
momentum): Beschleunigt Gradientenvektoren und dämpft Schwingungen. - Bildgröße (
imgsz): Größere Werte verbessern die Genauigkeit, erhöhen aber den Rechenaufwand.
Passe diese Werte an deinen Datensatz und deine Hardware an. Weitere Informationen findest du unter Trainingseinstellungen.
- Stapelgröße (
Die Lernrate (
lr0) ist entscheidend. Beginne mit0.01für SGD oder0.001für den Adam-Optimierer und legeoptimizerausdrücklich fest, da der Standardwertautolr0ignoriert. Überwache die Metriken und passe die Werte bei Bedarf an. Verwende Kosinus-Lernratenpläne (cos_lr) oder Warmup (warmup_epochs,warmup_momentum). Weitere Informationen findest du im Trainingsleitfaden.Zu den Standardeinstellungen gehören:
- Konfidenzschwellenwert (
conf=0.25): Minimale Konfidenz für Erkennungen. - IoU-Schwellenwert (
iou=0.5): Für die Nichtmaximalunterdrückung (NMS). Bei der Validierung wirdiou=0.7verwendet. - Bildgröße (
imgsz=640): Ändert die Größe der Eingabebilder. - Gerät (
device=None): Wählt CPU, CUDA-GPU, Apple MPS, Intel XPU (xpu) oder Huawei Ascend NPU (npu) aus. OpenVINO- und LiteRT-Modelle werden auf der Intel-GPU und NPU mitxpuundnpuausgeführt; unter Inferenzgeräte findest du Informationen zu allen Formaten.
Eine vollständige Übersicht findest du unter Vorhersageeinstellungen und im Vorhersageleitfaden.
- Konfidenzschwellenwert (
Das Training mit gemischter Genauigkeit (
amp=Trueoderamp='bf16'für BF16) verringert den Speicherbedarf und beschleunigt das Training, indem Berechnungen mit halber Genauigkeit und FP32 kombiniert werden. Das ist bei modernen GPUs vorteilhaft und ermöglicht größere Modelle sowie schnellere Berechnungen ohne nennenswerten Genauigkeitsverlust.
Kommentare119
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.
ykn96
@glenn-jocher alright thanks! I am going to be experimenting among the imgsz, multi_scale and all the batch size stuff
Glenn JocherUltralyticsThat sounds like a good plan — I’d start with
batch=-1to auto-fit GPU memory, then sweepimgszand a modestmulti_scalesuch as0.25; the Train Settings section is the best reference, and feel free to drop any results or blockers here.
ykn96
Hello! I have a question about best practices for training and runnining inference, question about the parameters rect and imgsz. So my dataset has a wide variety of resolutions and aspect ratios, but my video feed only has 1920x1080
Question;
- During training, should i set rect = True ?
- During training, should i set imgsz = 1920?
- During inference, do i need to set imgsz as the tuple 1920 x 1080?
Thank you!
A-tavv
Hi. You’re thinking about the right things, this mostly comes down to how well you want training to match your real inference scenario.
-
rect=True during training? Yes, generally a good idea in your case. Since your dataset has mixed aspect ratios, this helps preserve them instead of forcing everything into square shapes. That reduces distortion and usually improves performance, especially when your inference input (1920×1080) is not square.
-
imgsz=1920 during training? No, this is usually not practical. Training at 1920 will:
Use a lot of VRAM Slow training significantly Give diminishing returns
A better approach:
Use something like imgsz=640 or imgsz=1280 (depending on your GPU) The model will still generalize well to higher resolutions at inference
- imgsz=(1920,1080) during inference? You can, but you usually don’t need to.
Most YOLO implementations:
Resize while keeping aspect ratio (letterboxing) Expect a single integer like imgsz=640 or imgsz=1280
Recommended practical setup:
Train: imgsz=640 or 1280, rect=True Inference: same imgsz as training (e.g., 640 or 1280)
If you really want max detail at inference, you can increase imgsz, but:
It increases latency Gains are often small unless objects are very tiny
Rule of thumb: Train at a reasonable resolution, keep it consistent, and only scale up inference if you see a real accuracy bottleneck
-
Glenn JocherUltralyticsThat’s mostly right; the main correction is that if you pass a tuple for inference it should be
imgsz=(1080, 1920)because Ultralytics expects(height, width), andrect=Trueis already the default in predict mode. For training,rect=Truecan help with mixed aspect ratios, but I’d still keepimgszpractical like640or1280rather than1920unless you specifically need more small-object detail; feel free to post follow-ups here so the Ultralytics team can see them, and the relevant args are in the Configuration docs and Predict mode docs.ykn96
@glenn-jocher @A-tavv thank you for your help! Hmm im trying to train a head detector, so i think the heads are really small. Problem is i am encountering an out of memory problem even if i try to use an intermediate size such as 960.
I wil probably just stick to 640, since increasing the max_dets also makes me run into the OOM much earlier.
Glenn JocherUltralyticsYes, that sounds reasonable; for tiny heads
max_detusually won’t improve learning and mainly affects retained detections during val/predict, so I’d leave it near default, keepimgsz=640, reducebatchor trybatch=-1withamp=True, and if small-object recall is still limited the better next step is usually tiling/cropping your1920x1080frames into patches rather than pushing full-frame resolution higher; the relevant args are in the Configuration docs.
ykn96
Hey there! I have a question about the max_det parameter during training. So i am using the NWPU crowd dataset, which sometimes has 4000+ boxes in an image, i was wondering if it is necessary for me to increase max_det such that it can cover that number?
A-tavv
It is not necessary to match max_det to the number of ground truth boxes. It’s a post-processing limit, not a training constraint.
max_det mainly affects inference, not training.
During training, the model still sees all ground-truth boxes and learns from them max_det only limits how many predictions are kept after NMS (non maximum suppression) during inference/validation
So even if your images have 4000+ objects, the model is still learning from all of them.
When would increasing max_det matter?
Only if during validation/inference:
You notice predictions getting cut off Or evaluation metrics look artificially low because detections are being capped
In that case, you can increase it (e.g., 1000 → 3000 or higher), but keep in mind:
Higher max_det = slower NMS More memory usage
For dense datasets, in your case: NWPU-Crowd:
A practical setup:
Keep max_det moderate (e.g., 1000–2000) to start Check if predictions are being truncated Only increase if you see an actual limitation, not just based on GT count
ykn96
Will capping the max_det at a lower number affect the error that is being used for the back propagation during learning?
As i am trying to train a head detector, i can see that there are some heads that are not being detected, especially when they are closer to the background of the image i.e. further in the background and are thus smaller.
AlexShaGH
Greetings. I’m trying to understand what the best combination of training and inference parameters pertaining to image size for my specific imagery is. The training dataset is 16 bits depth images of the identical static size – 720 x 1280. The images coming for inference will be of the same specification. The model will be quantized to FP16 and deployed on edge device. It is my understanding that for the best speed, it’s better to specify the exact image size for training and for inference. How do I do this? If I issue model.train(…, imgsz=(720, 1280), rect=True) or model.train(…, imgsz=[720, 1280], rect=True), I get a warning:
WARNING ⚠️ updating to 'imgsz=1280'. 'train' and 'val' imgsz must be an integer, while 'predict' and 'export' imgsz may be a [h, w] list or an integer, i.e. 'yolo export imgsz=640,480' or 'yolo export imgsz=640'`
There is also a warning that it cannot be done on multiple GPUs and will default to rect=False. This I can solve by specifying only one cuda device.
Please, advise on how exactly to set the parameters for training and for inference so the model performs the best on static size imagery on edge device.
Brenda-Caroline
Hello everyone, the default image size for imgsz is 640. I have a question about resizing the image size. When choosing a size for the images, are they resized in a square or rectangular format? For example: 640 x 640; 256 x 256; 480 x 480 or 1080 x 1920
BaoQuoc285
How can I use focal loss in YOLOv11 CLI training to handle an imbalanced dataset?
e-roe
Hello, Does YOLOv11 actually perform data augmentation by increasing the dataset size, or does it only enhance diversity without expanding the dataset? My impression is that it doesn’t increase the dataset size—for example, it applies a filter to an image, and only the modified image is presented to the model, not the original one.
Glenn JocherUltralytics(bearbeitet)@e-roe YOLO11's data augmentation applies real-time transformations during training without permanently expanding the dataset size. Each epoch presents new variations of original images through techniques like mosaic and mixup (see Augmentation Settings). The original images remain in the dataset but are dynamically modified during training iterations.
1
rohith-aiunika
Hi yolo team, Is there any way to reduce the font size and hide the box in yolo object tracking? i am using this to track my video, results = model.track(source=video_path, show=False, stream=True, save=False)
Glenn JocherUltralytics(bearbeitet)@rohith-aiunika to hide the boxes and labels in tracking, set
show_boxes=Falseandshow_labels=False. Theline_widthargument controls the box thickness and scales the label text size, so lowering it reduces both. For more details, refer to the Predict Settings documentation.
rohith-aiunika
is there any way to reduce the font size and hide the box in yolo object tracking?
Glenn JocherUltralytics@rohith-aiunika to reduce the font size and hide the bounding boxes in YOLO object tracking, you can modify the visualization arguments in the code. Specifically, set
show_labels=False,show_boxes=False, and adjust theline_widthparameter if necessary. For more details, refer to the Predict Guide.
D3RK0
Is it possible to use Cutmix and Mixup data augmentations for training YOLOv8 analogously to this PyTorch code example: https://pytorch.org/vision/main/auto_examples/transforms/plot_cutmix_mixup.html#after-the-dataloader
Glenn JocherUltralytics(bearbeitet)YOLO supports both through training arguments:
mixupandcutmixset the probability (default 0.0) of applying each augmentation, e.g.model.train(data="coco8.yaml", mixup=0.2, cutmix=0.2). See Augmentation Settings.D3RK0
@glenn-jocher Many thanks for replying!
I have taken steps to manually implement cutmix-mixup augmentations for YOLOv8 training. As you may know, implementing cutmix-mixup augmentations will transform (at least for the version of PyTorch) the labels from integers to one-hot. Do you know if YOLOv8 is compatible with one-hot labels, especially in respect to its default loss function? Or will it require additional customisation?
Glenn JocherUltralyticsYOLOv8 does not natively support one-hot encoded labels, so using them may require adjustments to the loss function. You may need to customize the model to handle one-hot labels appropriately. If you have further questions, feel free to ask!
