当前位置: 首页 > news >正文

Ultralytics YOLO超参数调整指南(二)

Ultralytics YOLO超参数列表和取值区间请阅读:Ultralytics YOLO超参数调整指南(一)

自定义搜索空间示例

下面介绍如何定义搜索空间并使用 model.tune() 方法来利用 Tuner 在 COCO8 上使用 AdamW 优化器对 YOLO11n 的超参数进行 30 个轮次的调整,并跳过绘图、检查点和验证(最后一个轮次除外),以加快调整速度。

from ultralytics import YOLO# Initialize the YOLO model
model = YOLO("yolo11n.pt")# Define search space
search_space = {"lr0": (1e-5, 1e-1),"degrees": (0.0, 45.0),
}# Tune hyperparameters on COCO8 for 30 epochs
model.tune(data="coco8.yaml",epochs=30,iterations=300,optimizer="AdamW",space=search_space,plots=False

相关文章:

  • 节点小宝:告别公网IP,重塑你的远程连接体验
  • docker安装gitlab
  • 微服务同时启动多个启动类方法
  • 团结引擎发布纯鸿蒙应用
  • 从理论到实战:解密大型语言模型的核心技术与应用指南
  • ali PaddleNLP docker
  • Utils系列之内存池(Fixed size)
  • 学习React官方文档(描述UI)
  • 基于融智学五信体系,解构知识服务付费与认知伦理的深层关联
  • Electron 菜单栏深度定制指南:从基础到高级实践
  • Electron 应用中的快捷键绑定:全面指南与最佳实践
  • 力扣3381. 长度可被 K 整除的子数组的最大元素和
  • 一阶线性双曲型偏微分方程组的特征值与通解分析
  • promise深入理解和使用
  • Java-day28-其他流
  • mysql数据库完整备份导出
  • RAG全流程详解:原理、步骤与实战技术推荐
  • 15-C#的scottplot控件库绘制曲线图
  • 免费Excel插件合集 数据处理效率翻倍工具
  • 机器学习8——神经网络下