Receita de Treinamento do YOLO26

Introdução

Este guia documenta a receita exata de treinamento usada para produzir os checkpoints pré-treinados oficiais do YOLO26 no COCO. Cada hiperparâmetro aqui exibido já está incorporado nos pesos .pt lançados e pode ser inspecionado programaticamente.

Compreender como os modelos base foram treinados ajuda você a tomar decisões melhores durante o fine-tuning: quais aumentações de dados manter, quais pesos da função de perda ajustar e quais configurações de otimizador funcionam melhor para o tamanho do seu conjunto de dados.

Inspecionando Argumentos de Treinamento

Cada checkpoint da Ultralytics armazena a configuração de treinamento completa usada para produzi-lo. Você pode inspecionar essas configurações a qualquer momento:

from ultralytics import YOLO

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

Isso funciona para qualquer checkpoint .pt — tanto para lançamentos oficiais quanto para seus próprios modelos fine-tuned. Para a lista completa de argumentos de treinamento configuráveis, veja a referência de configuração de treinamento.

Visão Geral do Treinamento

Todos os modelos base YOLO26 foram treinados no COCO com resolução 640x640 usando o otimizador MuSGD com tamanho de lote (batch size) 128. Os modelos foram inicializados a partir de pesos pré-treinados intermediários e refinados com hiperparâmetros encontrados via busca evolucionária. Logs completos de treinamento e métricas para cada tamanho de modelo estão disponíveis na Plataforma Ultralytics:

Principais escolhas de design em todos os tamanhos:

• Treinamento ponta a ponta (end2end=True) com cabeça um-para-um sem NMS
• Otimizador MuSGD combinando SGD com atualizações ortogonalizadas estilo Muon para pesos de convolução
• Aumentação mosaic pesada (probabilidade ~0.9-1.0) desativada nos últimos 10 epochs (close_mosaic=10)
• Aumentação de escala agressiva (0.56-0.95) para lidar com objetos em diferentes tamanhos
• Rotação/cisalhamento mínimos para a maioria dos tamanhos, mantendo a distorção geométrica baixa

Hiperparâmetros por Tamanho de Modelo

Otimizador e Taxa de Aprendizado

Pesos de Perda

O modelo N prioriza a perda DFL, enquanto os modelos S/M/L/X deslocam a ênfase para a regressão de bounding box. A perda de classificação permanece relativamente consistente em todos os tamanhos.

Pipeline de Aumentação

Para uma explicação detalhada de cada técnica, veja o guia de Aumentação de Dados YOLO.

Modelos maiores usam uma aumentação mais agressiva no geral (maior mixup, copy-paste e scale), já que possuem mais capacidade e se beneficiam de uma regularização mais forte. O modelo N é o único tamanho com aumentação significativa de rotação, cisalhamento e BGR.

Parâmetros de Treinamento Internos

Orientação para Ajuste Fino

Ao realizar o ajuste fino do YOLO26 em seu próprio conjunto de dados, você não precisa replicar a receita completa de pré-treinamento. Os pesos pré-treinados já codificam o conhecimento de aumento e otimização do treinamento no COCO. Para práticas recomendadas de treinamento mais gerais, veja Dicas para Treinamento de Modelos.

Comece Simples

from ultralytics import YOLO

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

Realizar o ajuste fino com os valores padrão é uma base sólida. Ajuste os hiperparâmetros apenas se tiver um motivo específico para isso.

Quando Ajustar

Conjuntos de dados pequenos (< 1.000 imagens):

• Reduza a intensidade do aumento: mosaic=0.5, mixup=0.0, copy_paste=0.0
• Reduza a taxa de aprendizagem: lr0=0.001
• Use menos épocas com patience: epochs=50, patience=20
• Considere congelar as camadas da backbone: freeze=10

Conjuntos de dados grandes (> 50.000 imagens):

• Siga mais rigorosamente a receita de pré-treinamento
• Considere optimizer=MuSGD para execuções mais longas
• Aumente o aumento: mosaic=1.0, mixup=0.3, scale=0.9

Imagens específicas de domínio (aéreas, médicas, subaquáticas):

• Aumente flipud=0.5 se a orientação vertical variar
• Aumente degrees se os objetos aparecerem em rotações arbitrárias
• Ajuste hsv_s e hsv_v se as condições de iluminação diferirem significativamente do COCO

Para otimização automatizada de hiperparâmetros, veja o guia de Ajuste de Hiperparâmetros.

Escolhendo um tamanho de modelo

Para opções de exportação e implantação, veja o guia de Exportação e as Opções de Implantação de Modelo.

FAQ

Como vejo os hiperparâmetros exatos usados para qualquer checkpoint?

Carregue o checkpoint com torch.load() e acesse a chave train_args, ou use model.ckpt["train_args"] com a API da Ultralytics. Veja Inspeção de Argumentos de Treinamento para exemplos completos.

Por que as contagens de épocas são diferentes para cada tamanho de modelo?

Modelos maiores convergem mais rápido no COCO porque têm mais capacidade. O modelo N precisou de 245 épocas, enquanto o modelo X precisou de apenas 40. Ao realizar o ajuste fino em seu próprio conjunto de dados, o número ideal de épocas depende do tamanho e complexidade do seu conjunto de dados, não do tamanho do modelo. Use a parada antecipada (patience) para encontrar o ponto de parada correto automaticamente.

Devo usar MuSGD para ajuste fino?

Quando optimizer=auto (o padrão), a Ultralytics seleciona automaticamente MuSGD para execuções de treinamento mais longas (>10.000 iterações) e AdamW para as mais curtas. Você pode definir explicitamente optimizer=MuSGD se preferir. Para mais informações sobre a seleção de otimizador, veja a documentação de treinamento.

O que são muon_w, sgd_w, cls_w, o2m e topk no checkpoint?

Estes são parâmetros internos do pipeline de treinamento que produziu os checkpoints base. Eles são armazenados para reprodutibilidade, mas não são configurações configuráveis pelo usuário em default.yaml. Você não precisa defini-los ao realizar o ajuste fino. Veja Parâmetros de Treinamento Internos para detalhes.

Posso replicar o pré-treinamento exato do zero?

Os checkpoints foram produzidos usando um branch de treinamento interno com recursos adicionais que não estão na base de código pública (como pesos o2m configuráveis e cls_w). Você pode obter resultados muito próximos usando os hiperparâmetros documentados nesta página com o pacote público da Ultralytics, mas uma reprodução exata requer o branch interno.