【从零开始基于YOLO V8 实现目标检测任务】#2 训练模型得到的结果分析

首先是训练过程中可以观察到的每次迭代数据

• epoch可以理解为迭代次数
• GPU_mem理解为过程中GPU内存占用情况，用CPU训练的话，会一直为0
• box_loss可理解为“定位误差”，即画出的框与实际的框之间的误差
• cls_loss可理解为“分类误差”，即框内物体分类准不准
• dfl_loss可理解为“置信度误差”，即含有目标和不含目标的情况，置信度产生的误差
• instances可理解为“在这一次训练中，检测到的目标个数”

结果存放位置

完成训练后，会显示存放位置，如下图

就是在根目录下，建立runs\detect\train**文件夹里。

对于一个预测任务，也会显示存放位置，一般为runs\detect\predict**

训练结果train文件夹具体内容分析

具体结构如下图

几项重要内容解析如下

weights文件夹

这是训练的目标，最终产生的有用的东西，内有：

best.pt——顾名思义，学得最好的那个模型权重

last.pt——顾名思义，学到最后的那个模型权重

results.png</