Meet YOLO26: next-gen vision AI.

Link to this sectionPersonnalisation du Trainer#

Le pipeline d'entraînement Ultralytics est construit autour de BaseTrainer et de trainers spécifiques aux tâches comme DetectionTrainer. Ces classes gèrent nativement la boucle d'entraînement, la validation, la création de points de contrôle (checkpointing) et la journalisation. Lorsque tu as besoin de plus de contrôle — pour suivre des métriques personnalisées, ajuster la pondération des pertes ou implémenter des planifications de taux d'apprentissage — tu peux sous-classer le trainer et remplacer des méthodes spécifiques.

Ce guide présente sept personnalisations courantes :

  1. Journalisation de métriques personnalisées (score F1) à la fin de chaque epoch
  2. Ajout de poids de classe pour gérer le déséquilibre des classes
  3. Enregistrement du meilleur modèle basé sur une métrique différente
  4. Gel de la backbone pendant les N premières epochs, puis dégel
  5. Spécification de taux d'apprentissage par couche
  6. Synchronisation de BatchNorm entre GPUs pour l'entraînement multi-GPU
  7. Configuration de l'écrêtage de gradient (gradient clipping) pour le réglage de la stabilité
Prérequis

Avant de lire ce guide, assure-toi d'être familier avec les bases de l'entraînement des modèles YOLO et la page de Personnalisation Avancée, qui couvre l'architecture BaseTrainer.

Link to this sectionComment fonctionnent les trainers personnalisés#

La classe de modèle YOLO accepte un paramètre trainer dans la méthode train(). Cela te permet de passer ta propre classe de trainer qui étend le comportement par défaut :

from ultralytics import YOLO
from ultralytics.models.yolo.detect import DetectionTrainer

class CustomTrainer(DetectionTrainer):
    """A custom trainer that extends DetectionTrainer with additional functionality."""

    pass  # Add your customizations here

model = YOLO("yolo26n.pt")
model.train(data="coco8.yaml", epochs=10, trainer=CustomTrainer)

Ton trainer personnalisé hérite de toutes les fonctionnalités de DetectionTrainer, tu n'as donc besoin de remplacer que les méthodes spécifiques que tu souhaites personnaliser.

Link to this sectionJournalisation de métriques personnalisées#

L'étape de validation calcule la precision, le recall et la mAP. Si tu as besoin de métriques supplémentaires comme le F1 score par classe, remplace validate() :

import numpy as np

from ultralytics import YOLO
from ultralytics.models.yolo.detect import DetectionTrainer
from ultralytics.utils import LOGGER

class MetricsTrainer(DetectionTrainer):
    """Custom trainer that computes and logs F1 score at the end of each epoch."""

    def validate(self):
        """Run validation and compute per-class F1 scores."""
        metrics, fitness = super().validate()
        if metrics is None:
            return metrics, fitness

        if hasattr(self.validator, "metrics") and hasattr(self.validator.metrics, "box"):
            box = self.validator.metrics.box
            f1_per_class = box.f1
            class_indices = box.ap_class_index
            names = self.validator.names

            valid_f1 = f1_per_class[f1_per_class > 0]
            mean_f1 = np.mean(valid_f1) if len(valid_f1) > 0 else 0.0

            LOGGER.info(f"Mean F1 Score: {mean_f1:.4f}")
            per_class_str = [
                f"{names[i]}: {f1_per_class[j]:.3f}" for j, i in enumerate(class_indices) if f1_per_class[j] > 0
            ]
            LOGGER.info(f"Per-class F1: {per_class_str}")

        return metrics, fitness

model = YOLO("yolo26n.pt")
model.train(data="coco8.yaml", epochs=5, trainer=MetricsTrainer)

Cela journalise le score F1 moyen sur toutes les classes et une répartition par classe après chaque cycle de validation.

Métriques disponibles

Le validateur donne accès à de nombreuses métriques via self.validator.metrics.box :

AttributDescription
f1Score F1 par classe
image_metricsDictionnaire de métriques par image avec précision, recall, F1, TP, FP et FN
pPrécision par classe
rRecall par classe
ap50AP à IoU 0.5 par classe
apAP à IoU 0.5:0.95 par classe
mp, mrPrécision et recall moyens
map50, mapMétriques AP moyennes

Link to this sectionAjout de poids de classe#

Si ton dataset a des classes déséquilibrées (ex: un défaut rare dans une inspection de fabrication), tu peux augmenter le poids des classes sous-représentées dans la loss function. Cela force le modèle à pénaliser plus lourdement les erreurs de classification sur les classes rares.

Pour personnaliser la perte, sous-classe les classes de perte, le modèle et le trainer :

import torch
from torch import nn

from ultralytics import YOLO
from ultralytics.models.yolo.detect import DetectionTrainer
from ultralytics.nn.tasks import DetectionModel
from ultralytics.utils import RANK
from ultralytics.utils.loss import E2ELoss, v8DetectionLoss

class WeightedDetectionLoss(v8DetectionLoss):
    """Detection loss with class weights applied to BCE classification loss."""

    def __init__(self, model, class_weights=None, tal_topk=10, tal_topk2=None):
        """Initialize loss with optional per-class weights for BCE."""
        super().__init__(model, tal_topk=tal_topk, tal_topk2=tal_topk2)
        if class_weights is not None:
            self.bce = nn.BCEWithLogitsLoss(
                pos_weight=class_weights.to(self.device),
                reduction="none",
            )

class WeightedE2ELoss(E2ELoss):
    """E2E Loss with class weights for YOLO26."""

    def __init__(self, model, class_weights=None):
        """Initialize E2E loss with weighted detection loss."""

        def weighted_loss_fn(model, tal_topk=10, tal_topk2=None):
            return WeightedDetectionLoss(model, class_weights=class_weights, tal_topk=tal_topk, tal_topk2=tal_topk2)

        super().__init__(model, loss_fn=weighted_loss_fn)

class WeightedDetectionModel(DetectionModel):
    """Detection model that uses class-weighted loss."""

    def init_criterion(self):
        """Initialize weighted loss criterion with per-class weights."""
        class_weights = torch.ones(self.nc)
        class_weights[0] = 2.0  # upweight class 0
        class_weights[1] = 3.0  # upweight rare class 1
        return WeightedE2ELoss(self, class_weights=class_weights)

class WeightedTrainer(DetectionTrainer):
    """Trainer that returns a WeightedDetectionModel."""

    def get_model(self, cfg=None, weights=None, verbose=True):
        """Return a WeightedDetectionModel."""
        model = WeightedDetectionModel(cfg, nc=self.data["nc"], verbose=verbose and RANK == -1)
        if weights:
            model.load(weights)
        return model

model = YOLO("yolo26n.pt")
model.train(data="coco8.yaml", epochs=10, trainer=WeightedTrainer)
Calcul des poids depuis le dataset

Tu peux calculer les poids de classe automatiquement à partir de la distribution des étiquettes de ton dataset. Une approche courante est la pondération par fréquence inverse :

import numpy as np

# class_counts: number of instances per class
class_counts = np.array([5000, 200, 3000])
# Inverse frequency: rarer classes get higher weight
class_weights = max(class_counts) / class_counts
# Result: [1.0, 25.0, 1.67]

Link to this sectionEnregistrement du meilleur modèle selon une métrique personnalisée#

Le trainer enregistre best.pt en fonction de la fitness, qui est par défaut 0.9 × mAP@0.5:0.95 + 0.1 × mAP@0.5. Pour utiliser une métrique différente (comme mAP@0.5 ou le recall), remplace validate() et renvoie la métrique choisie comme valeur de fitness. La fonction intégrée save_model() l'utilisera alors automatiquement :

from ultralytics import YOLO
from ultralytics.models.yolo.detect import DetectionTrainer

class CustomSaveTrainer(DetectionTrainer):
    """Trainer that saves the best model based on mAP@0.5 instead of default fitness."""

    def validate(self):
        """Override fitness to use mAP@0.5 for best model selection."""
        metrics, fitness = super().validate()
        if metrics:
            fitness = metrics.get("metrics/mAP50(B)", fitness)
            if self.best_fitness is None or fitness > self.best_fitness:
                self.best_fitness = fitness
        return metrics, fitness

model = YOLO("yolo26n.pt")
model.train(data="coco8.yaml", epochs=20, trainer=CustomSaveTrainer)
Métriques disponibles

Les métriques courantes disponibles dans self.metrics après la validation incluent :

CléDescription
metrics/precision(B)Précision
metrics/recall(B)Recall
metrics/mAP50(B)mAP à IoU 0.5
metrics/mAP50-95(B)mAP à IoU 0.5:0.95

Link to this sectionGel et dégel de la backbone#

Les flux de travail de transfer learning bénéficient souvent du gel de la backbone pré-entraînée pendant les N premières epochs, ce qui permet à la tête de détection de s'adapter avant le fine-tuning de l'ensemble du réseau. Ultralytics fournit un paramètre freeze pour geler les couches au début de l'entraînement, et tu peux utiliser un callback pour les dégeler après N epochs :

from ultralytics import YOLO
from ultralytics.models.yolo.detect import DetectionTrainer
from ultralytics.utils import LOGGER

FREEZE_EPOCHS = 5

def unfreeze_backbone(trainer):
    """Callback to unfreeze all layers after FREEZE_EPOCHS."""
    if trainer.epoch == FREEZE_EPOCHS:
        LOGGER.info(f"Epoch {trainer.epoch}: Unfreezing all layers for fine-tuning")
        for name, param in trainer.model.named_parameters():
            if not param.requires_grad:
                param.requires_grad = True
                LOGGER.info(f"  Unfroze: {name}")
        trainer.freeze_layer_names = [".dfl"]

class FreezingTrainer(DetectionTrainer):
    """Trainer with backbone freezing for first N epochs."""

    def __init__(self, *args, **kwargs):
        """Initialize and register the unfreeze callback."""
        super().__init__(*args, **kwargs)
        self.add_callback("on_train_epoch_start", unfreeze_backbone)

model = YOLO("yolo26n.pt")
model.train(data="coco8.yaml", epochs=20, freeze=10, trainer=FreezingTrainer)

Le paramètre freeze=10 gèle les 10 premières couches (la backbone) au début de l'entraînement. Le callback on_train_epoch_start se déclenche au début de chaque epoch et dégèle tous les paramètres une fois la période de gel terminée.

Choisir ce qu'il faut geler
  • freeze=10 gèle les 10 premières couches (généralement la backbone dans les architectures YOLO)
  • freeze=[0, 1, 2, 3] gèle des couches spécifiques par index
  • Des valeurs FREEZE_EPOCHS plus élevées donnent à la tête plus de temps pour s'adapter avant que la backbone ne change

Link to this sectionTaux d'apprentissage par couche#

Différentes parties du réseau peuvent bénéficier de learning rates différents. Une stratégie courante consiste à utiliser un taux d'apprentissage plus bas pour la backbone pré-entraînée afin de préserver les caractéristiques apprises, tout en permettant à la tête de détection de s'adapter plus rapidement avec un taux plus élevé :

import torch

from ultralytics import YOLO
from ultralytics.models.yolo.detect import DetectionTrainer
from ultralytics.utils import LOGGER
from ultralytics.utils.torch_utils import unwrap_model

class PerLayerLRTrainer(DetectionTrainer):
    """Trainer with different learning rates for backbone and head."""

    def build_optimizer(self, model, name="auto", lr=0.001, momentum=0.9, decay=1e-5, iterations=1e5):
        """Build optimizer with separate learning rates for backbone and head."""
        backbone_params = []
        head_params = []

        for k, v in unwrap_model(model).named_parameters():
            if not v.requires_grad:
                continue
            is_backbone = any(k.startswith(f"model.{i}.") for i in range(10))
            if is_backbone:
                backbone_params.append(v)
            else:
                head_params.append(v)

        backbone_lr = lr * 0.1

        optimizer = torch.optim.AdamW(
            [
                {"params": backbone_params, "lr": backbone_lr, "weight_decay": decay},
                {"params": head_params, "lr": lr, "weight_decay": decay},
            ],
        )

        LOGGER.info(
            f"PerLayerLR optimizer: backbone ({len(backbone_params)} params, lr={backbone_lr}) "
            f"| head ({len(head_params)} params, lr={lr})"
        )
        return optimizer

model = YOLO("yolo26n.pt")
model.train(data="coco8.yaml", epochs=20, trainer=PerLayerLRTrainer)

Link to this sectionVariante RT-DETR#

Pour RT-DETR, le modèle est le même avec deux raffinements. La longueur de la backbone est lue depuis model.yaml["backbone"] de sorte que le même trainer fonctionne à travers les variantes RT-DETR (RT-DETR-L, RT-DETR-X, backbones ResNet-50/101) sans coder en dur le nombre de couches. Les paramètres sont également divisés en groupes de poids, BatchNorm et biais au sein de chaque section afin que la décroissance de poids (weight decay) soit exclue des paramètres BatchNorm et des biais, correspondant à la politique par défaut du trainer. Ceci est particulièrement utile pour le fine-tuning RT-DETR, où la tête du décodeur est généralement initialisée aléatoirement tandis que la backbone contient des caractéristiques pré-entraînées bénéficiant d'un taux d'apprentissage plus bas :

import torch
from torch import nn

from ultralytics import RTDETR
from ultralytics.models.rtdetr.train import RTDETRTrainer
from ultralytics.utils import LOGGER, colorstr
from ultralytics.utils.torch_utils import unwrap_model

class RTDETRBackboneLRTrainer(RTDETRTrainer):
    """RT-DETR trainer with a lower learning rate for backbone parameters."""

    backbone_lr_ratio = 0.1  # backbone learning rate as a fraction of head learning rate

    def build_optimizer(self, model, name="auto", lr=0.001, momentum=0.9, decay=1e-5, iterations=1e5):
        """Build an AdamW optimizer with six param groups: head and backbone x {weight, bn, bias}."""
        # Resolve optimizer name; "auto" maps to AdamW with RT-DETR-style defaults
        canonical = {"Adam", "Adamax", "AdamW", "NAdam", "RAdam", "auto"}
        name = {x.lower(): x for x in canonical}.get(name.lower(), name)
        if name == "auto":
            name, lr, momentum = "AdamW", 1e-4, 0.9
        self.args.warmup_bias_lr = 0.0  # RT-DETR warms biases from 0, unlike YOLO's 0.1
        if name not in {"Adam", "Adamax", "AdamW", "NAdam", "RAdam"}:
            raise NotImplementedError(f"This trainer only supports AdamW-family optimizers; got {name}")

        # Identify backbone parameters from model.yaml and route each param into a (section, kind) group
        unwrapped = unwrap_model(model)
        backbone_len = len(unwrapped.yaml["backbone"])
        norm_types = tuple(v for k, v in nn.__dict__.items() if "Norm" in k)
        groups = {f"{s}_{k}": [] for s in ("head", "backbone") for k in ("weight", "bn", "bias")}

        for module_name, module in unwrapped.named_modules():
            for param_name, param in module.named_parameters(recurse=False):
                if not param.requires_grad:
                    continue
                fullname = f"{module_name}.{param_name}" if module_name else param_name
                parts = fullname.split(".")
                section = (
                    "backbone"
                    if len(parts) > 1 and parts[0] == "model" and parts[1].isdigit() and int(parts[1]) < backbone_len
                    else "head"
                )
                if "bias" in param_name:
                    kind = "bias"
                elif isinstance(module, norm_types) or "logit_scale" in fullname:
                    kind = "bn"
                else:
                    kind = "weight"
                groups[f"{section}_{kind}"].append(param)

        # Build the optimizer with per-group lr and weight decay; backbone groups use lr * backbone_lr_ratio
        backbone_lr = lr * self.backbone_lr_ratio
        param_groups = [
            {"params": groups["head_weight"], "lr": lr, "weight_decay": decay, "param_group": "weight"},
            {"params": groups["head_bn"], "lr": lr, "weight_decay": 0.0, "param_group": "bn"},
            {"params": groups["head_bias"], "lr": lr, "weight_decay": 0.0, "param_group": "bias"},
            {"params": groups["backbone_weight"], "lr": backbone_lr, "weight_decay": decay, "param_group": "weight"},
            {"params": groups["backbone_bn"], "lr": backbone_lr, "weight_decay": 0.0, "param_group": "bn"},
            {"params": groups["backbone_bias"], "lr": backbone_lr, "weight_decay": 0.0, "param_group": "bias"},
        ]
        param_groups = [pg for pg in param_groups if pg["params"]]  # drop empty groups
        optimizer = getattr(torch.optim, name)(param_groups, betas=(momentum, 0.999))

        LOGGER.info(
            f"{colorstr('optimizer:')} {name}(lr={lr}, backbone_lr={backbone_lr}) with parameter groups\n"
            f"  Head:     {len(groups['head_bn'])} bn, {len(groups['head_weight'])} weight(decay={decay}), "
            f"{len(groups['head_bias'])} bias (lr={lr})\n"
            f"  Backbone: {len(groups['backbone_bn'])} bn, {len(groups['backbone_weight'])} weight(decay={decay}), "
            f"{len(groups['backbone_bias'])} bias (lr={backbone_lr})"
        )
        return optimizer

model = RTDETR("rtdetr-l.pt")
model.train(data="coco8.yaml", epochs=20, trainer=RTDETRBackboneLRTrainer)
Choisir `backbone_lr_ratio`

Un point de départ courant est backbone_lr_ratio = 0.1, correspondant à la configuration originale de RT-DETR avec sa backbone HGNetV2. La littérature suggère de mettre à l'échelle le ratio inversement par rapport à la taille de la backbone et à l'échelle des données de pré-entraînement : les grandes backbones pré-entraînées sur de très grands datasets (par exemple ViT-L/H entraîné avec DINO, CLIP ou MAE sur des centaines de millions d'images) utilisent généralement des ratios plus petits tels que 0.01 ou moins pour préserver les caractéristiques bien apprises, tandis que les plus petites backbones avec un pré-entraînement plus léger tolèrent des ratios plus grands tels que 0.5 ou plus.

Planificateur de taux d'apprentissage (Learning Rate Scheduler)

Le planificateur de taux d'apprentissage intégré (cosine ou linear) s'applique toujours en plus des taux d'apprentissage de base par groupe. Les taux d'apprentissage de la backbone et de la tête suivront le même calendrier de décroissance, maintenant le ratio entre eux tout au long de l'entraînement.

Combiner les techniques

Ces personnalisations peuvent être combinées dans une seule classe de trainer en remplaçant plusieurs méthodes et en ajoutant des callbacks selon les besoins.

Link to this sectionSynchronisation de BatchNorm pour l'entraînement multi-GPU#

Lors de l'entraînement sur plusieurs GPUs avec DistributedDataParallel, les couches BatchNorm2d par défaut calculent les statistiques indépendamment sur chaque GPU. Pour le fine-tuning RT-DETR et d'autres recettes utilisant de petites tailles de batch par GPU, les statistiques de batch par GPU peuvent être bruitées. SyncBatchNorm de PyTorch synchronise la moyenne et la variance sur tous les rangs pour une statistique de batch globale unique, ce qui améliore souvent la convergence au prix d'une petite surcharge de communication inter-GPU.

La conversion doit se produire après que le modèle soit sur le GPU mais avant que DDP ne l'enveloppe. Le hook le plus propre pour cela est set_model_attributes(), que BaseTrainer appelle exactement dans cette fenêtre :

from torch import nn

from ultralytics import RTDETR
from ultralytics.models.rtdetr.train import RTDETRTrainer

class SyncBNTrainer(RTDETRTrainer):
    """RT-DETR trainer that converts BatchNorm to SyncBatchNorm for multi-GPU training."""

    def set_model_attributes(self):
        """Run the parent setup, then convert BN to SyncBatchNorm when training on multiple GPUs."""
        super().set_model_attributes()
        if self.world_size > 1:
            self.model = nn.SyncBatchNorm.convert_sync_batchnorm(self.model)

model = RTDETR("rtdetr-l.pt")
model.train(data="coco8.yaml", epochs=20, device=[0, 1], trainer=SyncBNTrainer)

La garde world_size > 1 garantit que le trainer est sûr à utiliser également dans les exécutions sur GPU unique ; sur un seul GPU, la conversion est ignorée et l'entraînement se poursuit avec BatchNorm2d classique. Le même modèle fonctionne pour YOLO en changeant la classe parente pour DetectionTrainer.

Quand utiliser SyncBatchNorm
ScénarioRecommandation
Entraînement multi-GPU, petit batch par GPU (≤ 16)Activer
Entraînement multi-GPU, grand batch par GPU (≥ 32)Optionnel ; bénéfice mineur
Entraînement sur GPU uniqueNon applicable (ignoré)

Link to this sectionÉcrêtage de gradient configurable#

Le trainer par défaut écrête les gradients à max_norm=10.0 dans optimizer_step(), une valeur souple ajustée pour les modèles YOLO où les gradients dépassent rarement ce seuil. Les détecteurs de la famille DETR (RT-DETR, DEIM, DINO) utilisent généralement des valeurs beaucoup plus strictes telles que 0.1 pour stabiliser les couches de cross-attention du décodeur, où les magnitudes de gradient peuvent grimper. Pour remplacer la valeur d'écrêtage, sous-classe le trainer et remplace optimizer_step() :

import torch

from ultralytics import RTDETR
from ultralytics.models.rtdetr.train import RTDETRTrainer

class CustomClipTrainer(RTDETRTrainer):
    """RT-DETR trainer with configurable gradient clipping."""

    clip_grad_norm = 0.1  # max gradient norm; set to 0 to disable clipping

    def optimizer_step(self):
        """Run an optimizer step with a configurable gradient-norm clip."""
        self.scaler.unscale_(self.optimizer)
        if self.clip_grad_norm > 0:
            torch.nn.utils.clip_grad_norm_(self.model.parameters(), max_norm=self.clip_grad_norm)
        self.scaler.step(self.optimizer)
        self.scaler.update()
        self.optimizer.zero_grad()
        if self.ema:
            self.ema.update(self.model)

model = RTDETR("rtdetr-l.pt")
model.train(data="coco8.yaml", epochs=20, trainer=CustomClipTrainer)

Le même trainer fonctionne pour YOLO en changeant la classe parente pour DetectionTrainer (from ultralytics.models.yolo.detect import DetectionTrainer) et en chargeant un point de contrôle YOLO avec YOLO("yolo26n.pt"). Le corps de optimizer_step reste inchangé.

Valeurs `clip_grad_norm` typiques
Famille d'architectureTypique max_norm
Famille RT-DETR / DEIM / DETR0.1
YOLO (par défaut dans Ultralytics)10.0
Désactiver l'écrêtage0

Link to this sectionFAQ#

Link to this sectionComment passer un trainer personnalisé à YOLO ?#

Passe ta classe de trainer personnalisée (pas une instance) au paramètre trainer dans model.train() :

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(data="coco8.yaml", trainer=MyCustomTrainer)

La classe YOLO gère l'instanciation du trainer en interne. Consulte la page de Personnalisation Avancée pour plus de détails sur l'architecture du trainer.

Link to this sectionQuelles méthodes de BaseTrainer puis-je remplacer ?#

Méthodes clés disponibles pour la personnalisation :

MéthodeObjectif
validate()Exécuter la validation et retourner les métriques
build_optimizer()Construire l'optimiseur
save_model()Enregistre les points de contrôle de l'entraînement
get_model()Renvoie l'instance du modèle
get_validator()Renvoie l'instance du validateur
get_dataloader()Construit le dataloader
preprocess_batch()Prétraite le lot d'entrée
label_loss_items()Formate les éléments de perte pour la journalisation

Pour la référence complète de l'API, consulte la documentation de BaseTrainer.

Link to this sectionPuis-je utiliser des callbacks au lieu de créer une sous-classe du trainer ?#

Oui, pour des personnalisations plus simples, les callbacks sont souvent suffisants. Les événements de callback disponibles incluent on_train_start, on_train_epoch_start, on_train_epoch_end, on_fit_epoch_end et on_model_save. Ils te permettent d'interagir avec la boucle d'entraînement sans créer de sous-classe. L'exemple de gel du backbone ci-dessus illustre cette approche.

Link to this sectionComment personnaliser la fonction de perte sans créer de sous-classe du modèle ?#

Si ta modification est plus simple (comme l'ajustement des gains de perte), tu peux modifier les hyperparamètres directement :

model.train(data="coco8.yaml", box=10.0, cls=1.5, dfl=2.0)

Pour des changements structurels apportés à la perte (comme l'ajout de poids de classe), tu dois créer une sous-classe de la perte et du modèle comme indiqué dans la section sur les poids de classe.

Commentaires