跳至内容

高级定制

Ultralytics YOLO 命令行接口和Python 接口都只是基础引擎执行器的高级抽象。让我们来看看 Trainer 引擎。



观看: 掌握Ultralytics YOLOv8 :高级定制

基础培训师

BaseTrainer 包含通用的模板培训例程。只要遵循正确的格式,就可以为任何任务定制所需的函数或操作。例如,只需重载这些函数,就能支持自己的自定义模型和数据加载器:

  • get_model(cfg, weights) - 建立待训练模型的函数
  • get_dataloader() - 构建数据加载器的函数 更多详细信息和源代码请参见 BaseTrainer 参考资料

探测训练器

以下是如何使用YOLOv8 DetectionTrainer 并进行定制。

from ultralytics.models.yolo.detect import DetectionTrainer

trainer = DetectionTrainer(overrides={...})
trainer.train()
trained_model = trainer.best  # get best model

自定义检测训练器

让我们定制培训师 来训练自定义检测模型 的重载。您只需重载现有的 get_model 功能性:

from ultralytics.models.yolo.detect import DetectionTrainer


class CustomTrainer(DetectionTrainer):
    def get_model(self, cfg, weights):
        ...


trainer = CustomTrainer(overrides={...})
trainer.train()

您现在意识到,您需要进一步定制培训师:

  • 自定义 loss function.
  • 添加 callback 每隔 10 分钟就会将模型上传到您的 Google Drive epochs 具体方法如下
from ultralytics.models.yolo.detect import DetectionTrainer
from ultralytics.nn.tasks import DetectionModel


class MyCustomModel(DetectionModel):
    def init_criterion(self):
        ...


class CustomTrainer(DetectionTrainer):
    def get_model(self, cfg, weights):
        return MyCustomModel(...)


# callback to upload model weights
def log_model(trainer):
    last_weight_path = trainer.last
    print(last_weight_path)


trainer = CustomTrainer(overrides={...})
trainer.add_callback("on_train_epoch_end", log_model)  # Adds to existing callback
trainer.train()

要了解有关回调触发事件和入口点的更多信息,请查阅我们的《回调指南》

其他发动机部件

还有其他类似的可定制组件,如 ValidatorsPredictors.有关更多信息,请参见参考资料部分。



创建于 2023-11-12,更新于 2024-02-03
作者:glenn-jocher(4),chr043416@gmail.com(1),AyushExel(1),Laughing-q(1)

评论