libreyolo train

Składnia

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

Argumenty to pary key=value, działa też forma POSIX, więc epochs=50 i --epochs 50 to ten sam argument. Wartości logiczne przyjmują true i false: amp=false odpowiada --no-amp tam, gdzie flaga ma formę przeczącą.

Argumenty

Model i dane

Pętla trenowania

Destylacja

Optymalizator

Harmonogram

Augmentacja

EMA

Walidacja w trakcie trenowania

Wyjście

Flagi dla agentów

Przykłady

# coco8.yaml jest częścią pakietu i przy pierwszym użyciu pobiera swoje 8 obrazów.libreyolo train model=LibreYOLO9s.pt data=coco8.yaml epochs=10 imgsz=640 batch=8

# Wypisuje ustawienia, których użyłoby uruchomienie, łącznie z domyślnymi# ustawieniami rodziny, i kończy działanie bez trenowania i wczytywania danych.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

Uwagi

Powyższe wartości domyślne nie zawsze są tymi używanymi

Każda rodzina modeli ma własną konfigurację trenowania i tam, gdzie różni się ona od bazowej, jej wartość zastępuje domyślną wartość polecenia dla każdego argumentu, który nie został ustawiony jawnie. Samodzielne ustawienie argumentu zawsze ma pierwszeństwo. libreyolo cfg wypisuje bazowe wartości domyślne oraz nadpisania dla poszczególnych rodzin, i to jest sposób na sprawdzenie, czego dana rodzina faktycznie użyje.

imgsz to argument, dla którego ma to największe znaczenie. Domyślną wartością polecenia jest 640, co nie jest natywnym wejściem każdego checkpointu: publikowane rozmiary detekcji RF-DETR to 384, 512, 576 i 704, a checkpointy YOLOX n i t mają 416. W przypadku RF-DETR i DEIMv2 imgsz jest przekazywany tylko wtedy, gdy został ustawiony jawnie, więc poza tym obowiązuje ich własny rozmiar. Pozostałe rodziny dostają podaną wartość i trenują z nią. FOMO jest tu najbardziej rygorystyczny: każdy rozmiar przyjmuje wyłącznie swoje natywne wejście (96, 192 i 224), więc uruchomienie FOMO wymaga dopasowania imgsz, inaczej kończy się błędem. RF-DETR wymaga dodatkowo, aby wartość dzieliła się przez rozmiar patcha pomnożony przez liczbę okien, i podaje dwa najbliższe dopuszczalne rozmiary, gdy tak nie jest.

Argumenty ignorowane przez rodzinę

Nie każda rodzina czyta każdy argument, a najbardziej widać to przy argumentach augmentacji. RF-DETR, D-FINE, DEIM, DEIMv2, RT-DETRv4 i DINOv2 trenują przez pipeline'y typu pass-through, bez mosaic, bez mixup i bez przekształcenia afinicznego, więc mosaic, mixup, hsv_prob, degrees, translate, shear, mosaic_scale i mixup_scale nic tam nie zmieniają. EC korzysta z tego samego pipeline'u, ale czyta hsv_prob, degrees i translate, gdy jego zadaniem jest estymacja pozy. Rodziny klasyfikacyjne, SegFormer i NAFNet ignorują cały ten zestaw, a wraz z nim flip_prob, ponieważ ich odbicie działa ze stałym prawdopodobieństwem, a nie konfigurowalnym. YOLO-NAS ignoruje sam mosaic, ponieważ zamiast tego stosuje stale włączone przekształcenie afiniczne na każdej próbce. RF-DETR ignoruje dodatkowo trzy kolejne argumenty spoza tej listy: optimizer, momentum i nesterov.

Ustawienie jednego z nich nie jest błędem. Uruchomienie zapisuje na stderr wiersz z nazwą rodziny i argumentami, które zostaną zignorowane, a następnie trenuje, i ten wiersz jest miarodajną listą dla zainstalowanej wersji. Jest to również jedyny sygnał, więc skryptowe uruchomienie z quiet=true wycisza to ostrzeżenie razem ze wszystkim innym na stderr.

val=false to powiązany przypadek. Dla większości rodzin ustawia eval_interval na 0; RF-DETR nie potrafi w ten sposób wyłączyć walidacji i zapisuje w logu, że zignorował to żądanie.

Inne zachowania, które warto znać

lora=true jest przyjmowane przez RF-DETR, D-FINE, DEIM, DEIMv2, RT-DETR v1, v2 i v4, EC oraz ConvNeXt. Każda inna rodzina kończy działanie z config_unsupported, zamiast trenować bez tego.

pretrained=false w połączeniu z resume jest odrzucane w rodzinach, które obsługują trenowanie od zera, ponieważ oba te ustawienia żądają przeciwnych rzeczy.

mosaic i mixup to zapis w wierszu poleceń pól konfiguracyjnych mosaic_prob i mixup_prob. W rodzinach, w których mixup działa tylko na próbkach mosaic, mixup powyżej zera przy mosaic równym zero nigdy się nie uruchomi, o czym uruchomienie informuje.

dry_run=true rozwiązuje odwołanie do modelu, stosuje domyślne ustawienia rodziny i wypisuje konfigurację, z którą trenowałoby uruchomienie. Nie wczytuje zbioru danych, więc jest to tani sposób na potwierdzenie, że argument przyjął oczekiwaną wartość.

stdout przenosi końcowy obiekt wyniku; postęp i ostrzeżenia trafiają na stderr. Kod wyjścia to 0 przy powodzeniu, 2 przy błędzie użycia lub konfiguracji, 3 gdy nie można znaleźć lub odczytać zbioru danych, 4 gdy nie można wczytać modelu, oraz 1 przy innych awariach w trakcie działania.

Powiązane: libreyolo doctor do sprawdzenia zbioru danych przed zdecydowaniem się na uruchomienie, libreyolo monitor do obserwowania uruchomienia w przeglądarce, libreyolo val do zmierzenia wyniku.