libreyolo train

書式

libreyolo train data=<dataset.yaml> [model=<name|path>] [key=value ...]

引数はkey=valueのペアで、POSIX形式も使えるため、epochs=50と--epochs 50は 同じ引数です。真偽値はtrueとfalseを受け付けます：フラグに否定形がある場合、 amp=falseは--no-ampになります。

引数

モデルとデータ

学習ループ

蒸留

オプティマイザー

スケジューラー

データ拡張

EMA

学習中の検証

出力

エージェント向けフラグ

使用例

# coco8.yamlはパッケージ同梱で初回使用時に8枚の画像をダウンロードlibreyolo train model=LibreYOLO9s.pt data=coco8.yaml epochs=10 imgsz=640 batch=8

# ファミリーのデフォルト値を含めて実行時に使われる設定を表示し# 学習もデータ読み込みもせずに終了libreyolo train model=LibreDFINEn.pt data=coco8.yaml epochs=10 dry_run=true

libreyolo train model=LibreYOLO9s.pt data=coco8.yaml \  epochs=50 batch=8 optimizer=adamw lr0=0.001 weight_decay=0.0001 \  patience=20 save_period=5 project=runs/train name=yolo9s-coco8 exist_ok=true

補足

上記のデフォルト値が常に使われるとは限りません

モデルファミリーはそれぞれ独自の学習設定を持っており、その設定がベースの設定と 異なる場合、明示的に設定しなかった引数についてはファミリー側の値がコマンドの デフォルト値を置き換えます。自分で引数を設定した場合は常にそちらが優先されます。 libreyolo cfgはベースのデフォルト値とファミリーごとの上書きを表示するので、 あるファミリーが実際に何を使うかはこれで確認できます。

これが最も影響するのはimgszです。コマンドのデフォルト値は640ですが、これは すべてのチェックポイントのネイティブ入力ではありません：公開されているRF-DETRの 検出サイズは384、512、576、704で、YOLOXのnとtのチェックポイントは416です。 RF-DETRとDEIMv2はimgszが明示的に設定されたときだけ値を渡す扱いになっており、 それ以外の場合はそれぞれのサイズがそのまま有効です。ほかのファミリーには指定 された値がそのまま渡され、そのサイズで学習します。厳しいのはFOMOです：各サイズは ネイティブ入力（96、192、224）しか受け付けないため、FOMOの実行ではimgszを 合わせて設定する必要があり、そうでなければエラーで停止します。RF-DETRはさらに、 値がパッチサイズとウィンドウ数の積で割り切れることを要求し、割り切れない場合は 最も近い2つの有効なサイズを報告します。

ファミリーが無視する引数

すべてのファミリーがすべての引数を読むわけではなく、それが表れるのはデータ拡張の 引数です。RF-DETR、D-FINE、DEIM、DEIMv2、RT-DETRv4、DINOv2はMosaicもMixupも アフィン変換も行わないパススルーのパイプラインで学習するため、mosaic、mixup、 hsv_prob、degrees、translate、shear、mosaic_scale、mixup_scaleは そこでは何にも届きません。ECは同じパイプラインを使いますが、タスクが姿勢推定の ときはhsv_prob、degrees、translateを読みます。分類系のファミリーは、分類系 ではバッチMixUpとなるmixupを除いてその一式を無視し、flip_probは読みます。 SegFormer、LingBot-Vision、NAFNetは、反転が設定可能な確率ではなく固定の確率で 行われるため、その一式全体に加えてflip_probも無視します。YOLO-NASは代わりに常時有効なサンプルごとの アフィン変換でデータ拡張するため、mosaicだけを無視します。RF-DETRはそのリストに 加えてさらに3つ、optimizer、momentum、nesterovを無視します。

これらを設定してもエラーにはなりません。実行時にはファミリー名と無視する引数を 挙げた行が標準エラー出力に記録されてから学習が始まり、その行がインストールされて いるバージョンにとっての確定的なリストになります。それが唯一の手がかりでもある ため、quiet=trueを指定したスクリプト実行では、標準エラー出力のほかの内容と ともにこの警告も抑制されます。

val=falseも関連するケースです。eval_intervalを0に設定し、これにより最終 エポックも含めて学習中の検証が無効になり、実行ではbest.ptが書き出されません。

知っておくとよいその他の挙動

lora=trueを受け付けるのはRF-DETR、D-FINE、DEIM、DEIMv2、RT-DETRのv1、v2、v4、 EC、GTR、ConvNeXtです。ほかのファミリーはLoRAなしで学習するのではなく、 config_unsupportedで終了します。

clip_max_normを受け付けるのは、学習設定でこれを宣言しているファミリーです： YOLOv9、YOLOv9-E2E、YOLOv9-P2ではデフォルトが10、D-FINE、Dome-DETR、DEIM、 DEIMv2、TinyFormer、RT-DETR、RT-DETRv2、RT-DETRv4、RF-DETR、DINOv2、GTRでは デフォルトが0.1です。ほかのファミリーはconfig_unsupportedで終了し、負の値や 有限でない値はconfig_type_errorで終了します。

device=0,1は、リストの最初のGPU上にモデルを構築し、リストをtrain()に渡します。 train()はGPUごとに1つのプロセスを起動します。 マルチGPU学習を参照してください。

RF-DETRには検出からセグメンテーションへの転移がありません。RF-DETRのセグメンテーション チェックポイントでtask=segmentを指定すると、チェックポイントのメタデータがタスクを 決めるため、ファイル名にかかわらずそのチェックポイントを読み込みます。一方、検出 チェックポイントでは、学習されていないマスクヘッドを学習する代わりにエラーで停止します。

pretrained=falseとresumeの併用は、両者が正反対のことを求めているため、ゼロ からの学習に対応するファミリーでは拒否されます。

mosaicとmixupは、設定フィールドmosaic_probとmixup_probのコマンドライン上 の書き方で、分類モデルでは代わりにmixupがバッチMixUpになります。Mixupが Mosaicのサンプルにしか適用されないファミリーでは、mosaicが 0のままmixupを0より大きくしても一度も発火せず、実行時にその旨が示されます。

dry_run=trueはモデル参照を解決し、ファミリーのデフォルト値を適用して、学習に 使われる設定を表示します。データセットは読み込まないため、引数が期待どおりの値に なっているかを安く確認する方法になります。

標準出力には最終的な結果オブジェクトが流れ、進捗と警告は標準エラー出力に出ます。 終了コードは、成功時が0、使い方や設定の誤りが2、データセットが見つからないか 読み込めない場合が3、モデルを読み込めない場合が4、そのほかの実行時エラーが 1です。

関連：実行に踏み切る前にデータセットを確認するなら libreyolo doctor、ブラウザーで実行を見守るなら libreyolo monitor、結果を測定するなら libreyolo val。