Référence pour ultralytics/engine/tuner.py
Note
Ce fichier est disponible à l'adresse https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/engine/tuner .py. Si tu repères un problème, aide à le corriger en contribuant à une Pull Request 🛠️. Merci 🙏 !
ultralytics.engine.tuner.Tuner
Classe responsable de l'ajustement des hyperparamètres des modèles YOLO .
La classe fait évoluer les hyperparamètres du modèle YOLO sur un nombre donné d'itérations en les mutant en fonction de l'espace de recherche et en réentraînant le modèle pour évaluer leurs performances.
Attributs :
Nom | Type | Description |
---|---|---|
space |
dict
|
Espace de recherche hyperparamétrique contenant des limites et des facteurs d'échelle pour la mutation. |
tune_dir |
Path
|
Répertoire où les journaux d'évolution et les résultats seront sauvegardés. |
tune_csv |
Path
|
Chemin d'accès au fichier CSV dans lequel les journaux d'évolution sont enregistrés. |
Méthodes :
Nom | Description |
---|---|
_mutate |
dict) -> dict :
Modifie les hyperparamètres donnés dans les limites spécifiées dans |
__call__ |
Exécute l'évolution des hyperparamètres sur plusieurs itérations. |
Exemple
Ajuste les hyperparamètres pour YOLOv8n sur COCO8 à imgsz=640 et epochs=30 pour 300 itérations de réglage.
from ultralytics import YOLO
model = YOLO('yolov8n.pt')
model.tune(data='coco8.yaml', epochs=10, iterations=300, optimizer='AdamW', plots=False, save=False, val=False)
Accorde-toi avec un espace de recherche personnalisé.
Code source dans ultralytics/engine/tuner.py
33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 |
|
__call__(model=None, iterations=10, cleanup=True)
Exécute le processus d'évolution des hyperparamètres lorsque l'instance Tuner est appelée.
Cette méthode itère sur le nombre d'itérations, en effectuant les étapes suivantes à chaque itération :
1. Charge les hyperparamètres existants ou initialise de nouveaux hyperparamètres.
2. Modifie les hyperparamètres à l'aide de la fonction mutate
méthode.
3. Entraîne un modèle YOLO avec les hyperparamètres modifiés.
4. Enregistre le score de fitness et les hyperparamètres mutés dans un fichier CSV.
Paramètres :
Nom | Type | Description | Défaut |
---|---|---|---|
model |
Model
|
Un modèle pré-initialisé YOLO à utiliser pour la formation. |
None
|
iterations |
int
|
Le nombre de générations pour lesquelles l'évolution doit être exécutée. |
10
|
cleanup |
bool
|
S'il faut supprimer les poids d'itération pour réduire l'espace de stockage utilisé pendant l'accord. |
True
|
Note
La méthode utilise le self.tune_csv
Objet de chemin pour lire et enregistrer les hyperparamètres et les scores de fitness.
Assure-toi que ce chemin est correctement défini dans l'instance de l'accordeur.
Code source dans ultralytics/engine/tuner.py
160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 |
|
__init__(args=DEFAULT_CFG, _callbacks=None)
Initialise l'accordeur avec les configurations.
Paramètres :
Nom | Type | Description | Défaut |
---|---|---|---|
args |
dict
|
Configuration pour l'évolution des hyperparamètres. |
DEFAULT_CFG
|