006、训练准备：自定义数据集配置与YOLO训练参数深度解读

---

昨天深夜调试一个工业检测项目时，同事突然在群里扔出一张loss曲线图——训练了200个epoch，mAP死活卡在0.3上不去。我扫了一眼他的配置文件，发现`lr0`设的是0.01，`warmup_epochs`却是0。这种参数组合在自定义数据集上，相当于让模型刚起步就全速冲刺，不摔跟头才怪。

今天我们就来彻底拆解YOLO训练前的两个核心环节：数据集配置和训练参数。这些细节往往决定了你未来是要熬夜调参，还是能早点下班。

---

### 一、自定义数据集的正确打开方式

YOLO的数据组织方式很简单，但坑都在细节里。先看目录结构：

```
datasets/
├── custom/
│   ├── images/
│   │   ├── train/
│   │   └── val/
│   └── labels/
│       ├── train/
│       └── val/
```

这里第一个坑：**images和labels的子目录名必须完全对应**。有些兄弟图省事，train里叫`image_001.jpg`，label里却对应`001.txt`，YOLO加载时直接报错退出，错误信息还特别隐晦。

标签文件格式是归一化的中心坐标和宽高：
```
0 0.5 0.5 0.2 0.3  # 类别id x_center y_center width height
```

注意这