yolov8 选择并保存best.pt的依据 （附带修改记录，） + 设置早停

在ultralytics/utils/metrics.py文件中 修改各个指标的影响权重

    def fitness(self):
        """Model fitness as a weighted combination of metrics."""
        w = [0.25, 0.25, 0.35, 0.15]  # weights for [P, R, mAP@0.5, mAP@0.75]
        return (np.array(self.mean_results()) * w).sum()

P, R, mAP@0.5, mAP@0.75,并且设权重为w = [0.25, 0.25, 0.35, 0.15]了，如果需要修改，就像我一样先改上面的权重。再按照下面修改：  设置你要评估的指标

    def mean_results(self):
        """Mean of results, return mp, mr, map50, map."""
        return [self.mp, self.mr, self.map50, self.map75]

还是这个文件，代码在上面，改成你需要的指标。在这就已经改完了。

在ultralytics/models/yolo/detect/val.py文件中     训练结束时输出你想要的指标结果

    def get_desc(self):
        """Return a formatted string summarizing class metrics of YOLO model."""
        return ("%22s" + "%11s" * 6) % ("Class", "Images", "Instances", "Box(P", "R", "mAP50", "mAP75)")

像我一样把结果输出的地方也改了（改不改都可以，改了就会像下面一样显示你要评估的指标了）

      Epoch    GPU_mem   box_loss   cls_loss   dfl_loss  Instances       Size
      7/300       4.2G       4.77      4.595      1.872         15        640: 100%|██████████| 22/22 [00:06<00:00,  3.39it/s]
                 Class     Images  Instances      Box(P          R      mAP50     mAP75): 100%|██████████| 3/3 [00:00<00:00,  5.38it/s]
                   all         86        109      0.493       0.55      0.392     0.0121
  0%|          | 0/22 [00:00<?, ?it/s]
      Epoch    GPU_mem   box_loss   cls_loss   dfl_loss  Instances       Size
      8/300       4.2G      4.761      4.212      1.763          6        640: 100%|██████████| 22/22 [00:06<00:00,  3.34it/s]
                 Class     Images  Instances      Box(P          R      mAP50     mAP75): 100%|██████████| 3/3 [00:00<00:00,  5.26it/s]
                   all         86        109      0.432      0.505      0.363     0.0247

再附带一个吧，设置早停epoch：ultralytics/cfg/default.yaml 中改 patience