📚 课程目录第4章模型训练实战

4. 模型训练实战：Ultralytics库安装、训练命令与参数解析、训练日志监控、断点续训

好，到了真正动手训练模型的环节了。前面我们聊了数据集怎么准备、怎么标，现在终于可以跑起来看看效果。这一章我会把从安装库到监控训练、再到断点续训的完整流程走一遍，中间穿插一些我踩过的坑。

4.1 Ultralytics库安装与环境配置

Ultralytics 这个库，说白了就是 YOLOv8/v9/v10 的官方训练工具箱。安装它其实很简单，但有几个细节不注意容易翻车。

核心安装命令：

pip install ultralytics

这条命令会自动拉取 PyTorch、torchvision 等依赖。但我建议你先装好 PyTorch 再装 ultralytics，因为 pip 自动装的 PyTorch 版本可能不是最适合你显卡的。

我个人习惯用 conda 创建一个干净环境：

conda create -n yolov8 python=3.10 -y
conda activate yolov8
# 先装 PyTorch（根据你的 CUDA 版本选命令）
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118
# 再装 ultralytics
pip install ultralytics

验证安装：

python -c "from ultralytics import YOLO; print(YOLO.__version__)"

如果能正常输出版本号，说明环境没问题。

嗯，这里要注意：如果你用的是 Windows，建议用 PowerShell 或 CMD 管理员模式装。我在项目里遇到过因为权限不够导致 dll 加载失败的情况，折腾了半天才发现是安装路径有中文。

4.2 训练命令与核心参数解析

装好库之后，训练一个模型只需要一行命令。但这一行命令背后有几十个参数可以调。我们先从最常用的开始。

4.2.1 基础训练命令

yolo train model=yolov8n.pt data=coco128.yaml epochs=100 imgsz=640 batch=16 device=0

这条命令的意思：用 yolov8n 的预训练权重，在 coco128 数据集上训练 100 轮，输入图片尺寸 640，批次大小 16，用 GPU 0 训练。

参数速查表（我常用的）：

参数	默认值	说明
`model`	yolov8n.pt	模型权重路径或配置文件名
`data`	coco128.yaml	数据集配置文件路径
`epochs`	100	训练总轮数
`batch`	16	批次大小，根据显存调整
`imgsz`	640	输入图片尺寸（正方形）
`device`	cpu	训练设备：0,1,2 或 cpu
`workers`	8	数据加载线程数
`lr0`	0.01	初始学习率
`patience`	50	早停耐心值，多少轮没提升就停
`save`	True	是否保存检查点
`project`	runs/train	项目保存路径
`name`	exp	实验名称

4.2.2 参数调优经验

说说我的一些习惯：

batch 大小：能大尽量大，但别爆显存。我一般先设 16，如果显存有余量就加到 32。batch 太小的话，BN 层统计不准，模型容易震荡。
imgsz：不是越大越好。640 是性价比最高的尺寸。我之前试过 1280，mAP 只涨了 0.5%，但训练时间翻了三倍。
workers：Windows 下建议设成 0 或 2，设高了容易报 DataLoader 错误。Linux 下可以设到 8 或 16。
patience：我习惯设 30-50。设太小容易早停，设太大浪费时间。

我曾经踩过的坑： 有一次训练时忘了设 device，结果默认用 CPU 跑了 20 个小时才发现。后来我习惯在命令里显式写上 device=0，或者在代码里加个判断：

import torch
device = 'cuda' if torch.cuda.is_available() else 'cpu'

4.3 训练日志监控

训练跑起来之后，你不能扔那儿不管。监控日志能帮你及时发现过拟合、学习率异常、梯度爆炸等问题。

4.3.1 终端实时输出

Ultralytics 默认会在终端打印每一轮的训练信息，大概长这样：

     Epoch    GPU_mem   box_loss   cls_loss   dfl_loss  Instances   Size
      1/100      5.8G      1.452      1.234      1.123         45     640
      2/100      5.8G      1.321      1.112      1.045         52     640
      3/100      5.8G      1.198      1.045      0.987         48     640

重点关注 box_loss 和 cls_loss 的下降趋势。如果 loss 连续 10 轮不降反升，可能是学习率太大或者数据有问题。

4.3.2 TensorBoard 可视化

我个人更喜欢用 TensorBoard 看曲线。Ultralytics 默认会生成 TensorBoard 日志，你只需要在另一个终端启动：

tensorboard --logdir runs/train

然后在浏览器打开 http://localhost:6006，就能看到 loss 曲线、mAP 曲线、学习率变化等。我习惯把 mAP50 和 mAP50-95 放在一起看，如果 mAP50 很高但 mAP50-95 很低，说明模型对小目标或遮挡目标检测不好。

小技巧： 训练时加上 plots=True 参数，Ultralytics 会自动生成混淆矩阵、PR 曲线、F1 曲线等图表，保存在 runs/train/exp 目录下。

yolo train model=yolov8n.pt data=coco128.yaml plots=True

4.3.3 日志文件分析

训练结束后，所有日志都保存在 runs/train/exp/ 目录下。我经常用 Python 脚本批量分析多个实验的日志：

import pandas as pd
import matplotlib.pyplot as plt

# 读取训练结果
results = pd.read_csv('runs/train/exp/results.csv')
plt.plot(results['epoch'], results['metrics/mAP50(B)'])
plt.xlabel('Epoch')
plt.ylabel('mAP50')
plt.show()

这样能快速对比不同参数组合的效果。

4.4 断点续训

训练到一半断电了、显存炸了、或者你想临时调个参数——别慌，Ultralytics 支持断点续训。

4.4.1 自动保存检查点

训练过程中，Ultralytics 会自动保存两种检查点：

last.pt：最后一轮的权重，每轮都更新。
best.pt：验证集上 mAP 最高的权重。

这两个文件保存在 runs/train/exp/weights/ 目录下。

4.4.2 恢复训练命令

假设你训练到第 50 轮时断电了，恢复训练只需要：

yolo train model=runs/train/exp/weights/last.pt data=coco128.yaml epochs=100 resume=True

关键参数 resume=True 会自动读取上次训练的状态，包括当前轮数、优化器状态、学习率调度器等。

注意： 恢复训练时，epochs 参数要填总轮数，不是剩余轮数。比如你原来设了 100 轮，训练到 50 轮断了，恢复时还是写 epochs=100，Ultralytics 会自动从第 51 轮开始。

4.4.3 手动指定恢复点

有时候你想从某个特定轮次恢复，比如你觉得第 30 轮的权重泛化性更好，可以手动指定：

yolo train model=runs/train/exp/weights/epoch30.pt data=coco128.yaml epochs=100

但这样不会恢复优化器状态，相当于用第 30 轮的权重重新开始训练。我一般只在想换学习率策略时才这么干。

我曾经踩过的坑： 有一次我换了数据集路径后直接恢复训练，结果报错说找不到图片。后来我养成习惯：恢复训练前先检查 data 参数指向的 yaml 文件路径是否正确。如果数据集移动了位置，记得更新 yaml 里的路径。

4.5 本章知识结构图

下面这张图把本章的核心流程串起来了，从环境准备到训练监控再到断点续训，你可以对照着看：

4.6 本章小结

这一章我们走完了训练的全流程：从环境搭建到命令执行，从日志监控到断点恢复。你想想看，其实核心就三件事：配好环境、调好参数、盯好日志。断点续训是兜底手段，但最好别用到——训练前检查好数据路径和显存，能省很多麻烦。

我个人建议你第一次训练时，先用小数据集跑 10 轮试试水，确认流程没问题再上全量数据。这样即使出问题，损失也小。