Python | OpenCV YOLOv8 訓練進階設定

# augmentation_params.py
import torch
from ultralytics import YOLO

model = YOLO("yolov8n.pt")

model.train(
    data="data.yaml",
    epochs=100,
    device=0 if torch.cuda.is_available() else "cpu",
    # 幾何增強
    fliplr=0.5,       # 水平翻轉機率（預設 0.5）
    flipud=0.0,       # 垂直翻轉機率（預設 0.0，通常不需要）
    degrees=0.0,      # 旋轉角度範圍 ±degrees
    translate=0.1,    # 平移比例
    scale=0.5,        # 縮放範圍（0.5 表示 0.5x ~ 1.5x）
    shear=0.0,        # 剪切角度
    perspective=0.0,  # 透視變換
    # 色彩增強
    hsv_h=0.015,      # 色相抖動
    hsv_s=0.7,        # 飽和度抖動
    hsv_v=0.4,        # 明度抖動
    # 進階增強
    mosaic=1.0,       # Mosaic 增強（將 4 張圖拼成 1 張，1.0 = 100% 啟用）
    mixup=0.0,        # MixUp 增強機率
    copy_paste=0.0,   # Copy-Paste 增強機率
)

# anti_overfit_example.py
import torch
from ultralytics import YOLO

model = YOLO("yolov8n.pt")

model.train(
    data="data.yaml",
    epochs=150,
    imgsz=640,
    batch=16,
    device=0 if torch.cuda.is_available() else "cpu",
    
    # === 防過擬合核心參數 ===
    patience=30,           # 連續 30 個 epoch 驗證指標沒改善就自動停止（Early Stopping）
    weight_decay=0.0005,   # L2 正規化，防止權重過大
    dropout=0.0,           # Dropout（過擬合嚴重時可試 0.1 ~ 0.3）
    
    # 其他常用設定
    lr0=0.01,              # 初始學習率
    lrf=0.01,              # 最終學習率比例
)

# train_full.py
import time
import torch
from ultralytics import YOLO

print(f"使用裝置：{'GPU - ' + torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'CPU'}")

model = YOLO("yolov8s.pt")

start = time.time()

model.train(
    data="data.yaml",
    epochs=120,
    imgsz=640,
    batch=16,
    device=0 if torch.cuda.is_available() else "cpu",
    workers=0,                    # Windows 必須設 0
    name="custom_detector",
    
    # 防過擬合
    patience=30,
    weight_decay=0.0005,
    
    # 資料增強
    mosaic=1.0,
    fliplr=0.5,
    hsv_h=0.015,
    hsv_s=0.7,
    hsv_v=0.4,
    
    # 其他實用設定
    save_period=10,               # 每 10 個 epoch 存一次
    plots=True,                   # 產生訓練曲線圖
    verbose=True
)

elapsed = time.time() - start
print(f"訓練完成，總耗時：{elapsed // 3600:.0f} 時 {elapsed % 3600 // 60:.0f} 分 {elapsed % 60:.0f} 秒")
print("最佳模型：runs/detect/custom_detector/weights/best.pt")