Link to this sectionReceta de entrenamiento de YOLO26#

Link to this sectionIntroducción#

Esta guía documenta la receta exacta de entrenamiento utilizada para producir los puntos de control preentrenados oficiales de YOLO26 en COCO. Cada hiperparámetro que se muestra aquí ya está integrado en los pesos .pt publicados y puede inspeccionarse mediante programación.

Entender cómo se entrenaron los modelos base te ayuda a tomar mejores decisiones al realizar un ajuste fino: qué aumentos de datos conservar, qué pesos de función de pérdida ajustar y qué configuraciones del optimizador funcionan mejor para el tamaño de tu conjunto de datos.

Link to this sectionInspección de los argumentos de entrenamiento#

Cada punto de control de Ultralytics almacena la configuración de entrenamiento completa utilizada para producirlo. Puedes inspeccionar estos ajustes en cualquier momento:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
print(model.ckpt["train_args"])

Esto funciona para cualquier punto de control .pt, tanto para las versiones oficiales como para tus propios modelos ajustados. Para obtener la lista completa de argumentos de entrenamiento configurables, consulta la referencia de configuración de entrenamiento.

Link to this sectionDescripción general del entrenamiento#

Todos los modelos base de YOLO26 se entrenaron en COCO a una resolución de 640x640 usando el optimizador MuSGD con un tamaño de lote de 128. Los modelos se inicializaron a partir de pesos preentrenados intermedios y se refinaron con hiperparámetros encontrados mediante búsqueda evolutiva. Los registros de entrenamiento completos y las métricas para cada tamaño de modelo están disponibles en Ultralytics Platform:

Opciones de diseño clave en todos los tamaños:

• Entrenamiento de extremo a extremo (end2end=True) con cabezal uno a uno sin NMS
• Optimizador MuSGD que combina SGD con actualizaciones ortogonalizadas al estilo Muon para pesos de convolución
• Aumento pesado de mosaico (probabilidad de ~0.9-1.0) desactivado en las últimas 10 épocas (close_mosaic=10)
• Aumento de escala agresivo (0.56-0.95) para manejar objetos en diferentes tamaños
• Rotación/cizallamiento mínimo para la mayoría de los tamaños, manteniendo baja la distorsión geométrica

Link to this sectionHiperparámetros por tamaño de modelo#

Link to this sectionOptimizador y tasa de aprendizaje#

Link to this sectionPesos de pérdida#

El modelo N prioriza la pérdida DFL, mientras que los modelos S/M/L/X desplazan el énfasis a la regresión de caja delimitadora. La pérdida de clasificación permanece relativamente constante en todos los tamaños.

Link to this sectionTubería de aumento#

Para una explicación detallada de cada técnica, consulta la guía de aumento de datos de YOLO.

Los modelos más grandes usan un aumento más agresivo en general (mixup, copy-paste y escala más altos), ya que tienen más capacidad y se benefician de una regularización más fuerte. El modelo N es el único tamaño con un aumento significativo de rotación, cizallamiento y BGR.

Link to this sectionParámetros de entrenamiento internos#

Link to this sectionGuía para el ajuste fino#

Al ajustar YOLO26 con tu propio conjunto de datos, no necesitas replicar toda la receta de preentrenamiento. Los pesos preentrenados ya codifican el conocimiento sobre aumentación y optimización derivado del entrenamiento en COCO. Para obtener mejores prácticas generales de entrenamiento, consulta los Consejos para el entrenamiento de modelos.

Link to this sectionEmpieza de forma sencilla#

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
results = model.train(data="your-dataset.yaml", epochs=100, imgsz=640)

El ajuste fino con los valores predeterminados es una base sólida. Ajusta los hiperparámetros únicamente si tienes un motivo específico para hacerlo.

Link to this sectionCuándo realizar ajustes#

Conjuntos de datos pequeños (< 1.000 imágenes):

• Reduce la intensidad de la aumentación: mosaic=0.5, mixup=0.0, copy_paste=0.0
• Reduce la tasa de aprendizaje: lr0=0.001
• Usa menos épocas con paciencia: epochs=50, patience=20
• Considera congelar las capas del backbone: freeze=10

Conjuntos de datos grandes (> 50.000 imágenes):

• Iguala la receta de preentrenamiento más estrechamente
• Considera optimizer=MuSGD para ejecuciones más largas
• Aumenta la aumentación: mosaic=1.0, mixup=0.3, scale=0.9

Imágenes específicas de un dominio (aéreas, médicas, submarinas):

• Aumenta flipud=0.5 si la orientación vertical varía
• Aumenta degrees si los objetos aparecen con rotaciones arbitrarias
• Ajusta hsv_s y hsv_v si las condiciones de iluminación difieren significativamente de las de COCO

Para la optimización automatizada de hiperparámetros, consulta la guía de ajuste de hiperparámetros.

Link to this sectionElegir el tamaño del modelo#

Para opciones de exportación y despliegue, consulta la guía de exportación y las Opciones de despliegue de modelos.

Link to this sectionPreguntas frecuentes#

Link to this section¿Cómo puedo ver los hiperparámetros exactos utilizados para cualquier punto de control (checkpoint)?#

Carga el punto de control con torch.load() y accede a la clave train_args, o utiliza model.ckpt["train_args"] con la API de Ultralytics. Consulta Inspección de argumentos de entrenamiento para ver ejemplos completos.

Link to this section¿Por qué los recuentos de épocas son diferentes para cada tamaño de modelo?#

Los modelos más grandes convergen más rápido en COCO porque tienen más capacidad. El modelo N necesitó 245 épocas mientras que el modelo X solo necesitó 40. Al realizar el ajuste fino con tu propio conjunto de datos, el número óptimo de épocas depende del tamaño y la complejidad de tu conjunto de datos, no del tamaño del modelo. Utiliza la parada temprana (patience) para encontrar el punto de parada correcto automáticamente.

Link to this section¿Debería usar MuSGD para el ajuste fino?#

Cuando optimizer=auto (el valor predeterminado), Ultralytics selecciona automáticamente MuSGD para ejecuciones de entrenamiento más largas (>10.000 iteraciones) y AdamW para las más cortas. Puedes configurar explícitamente optimizer=MuSGD si lo prefieres. Para más información sobre la selección del optimizador, consulta la documentación de entrenamiento.

Link to this section¿Qué son muon_w, sgd_w, cls_w, o2m y topk en el punto de control?#

Estos son parámetros internos de la tubería de entrenamiento que produjo los puntos de control base. Se almacenan para fines de reproducibilidad, pero no son configuraciones que el usuario pueda cambiar en default.yaml. No necesitas configurarlos al realizar el ajuste fino. Consulta Parámetros de entrenamiento internos para más detalles.

Link to this section¿Puedo replicar exactamente el preentrenamiento desde cero?#

Los puntos de control fueron producidos utilizando una rama de entrenamiento interna con características adicionales que no están en la base de código pública (como los pesos configurables de o2m y cls_w). Puedes obtener resultados muy cercanos utilizando los hiperparámetros documentados en esta página con el paquete público de Ultralytics, pero una reproducción exacta requiere la rama interna.