.pt类型的文件是从预训练模型的基础上进行训练。若我们选择 yolov8n.pt这种.pt类型的文件其实里面是包含了模型的结构和训练好的参数的也就是说拿来就可以用就已经具备了检测目标的能力了。.yaml文件是从零开始训练。采用yolov8n.yaml这种.yaml文件的形式在文件中指定类别以及一些别的参数。epochs: 训练的轮数。这个参数确定了模型将会被训练多少次每一轮都遍历整个训练数据集。训练的轮数越多模型对数据的学习就越充分但也增加了训练时间。patience: 早停的等待轮数。在训练过程中如果在一定的轮数内没有观察到模型性能的明显提升就会停止训练。这个参数确定了等待的轮数如果超过该轮数仍没有改进则停止训练。早停能减少过拟合。过拟合(overfitting)指的是只能拟合训练数据, 但不能很好地拟合不包含在训练数据中的其他数据的状态。batch: 每个批次中的图像数量。在训练过程中数据被分成多个批次进行处理每个批次包含一定数量的图像。这个参数确定了每个批次中包含的图像数量。特殊的是如果设置为**-1**则会自动调整批次大小至你的显卡能容纳的最多图像数量。 博客摘录「 YOLOv8训练参数详解（全面详细、重点突出、大白话阐述小白也能看懂）」2026年8月13日
.pt类型的文件是从预训练模型的基础上进行训练。若我们选择 yolov8n.pt这种.pt类型的文件其实里面是包含了模型的结构和训练好的参数的也就是说拿来就可以用就已经具备了检测目标的能力了。.yaml文件是从零开始训练。采用yolov8n.yaml这种.yaml文件的形式在文件中指定类别以及一些别的参数。epochs: 训练的轮数。这个参数确定了模型将会被训练多少次每一轮都遍历整个训练数据集。训练的轮数越多模型对数据的学习就越充分但也增加了训练时间。patience: 早停的等待轮数。在训练过程中如果在一定的轮数内没有观察到模型性能的明显提升就会停止训练。这个参数确定了等待的轮数如果超过该轮数仍没有改进则停止训练。早停能减少过拟合。过拟合(overfitting)指的是只能拟合训练数据, 但不能很好地拟合不包含在训练数据中的其他数据的状态。batch: 每个批次中的图像数量。在训练过程中数据被分成多个批次进行处理每个批次包含一定数量的图像。这个参数确定了每个批次中包含的图像数量。特殊的是如果设置为**-1**则会自动调整批次大小至你的显卡能容纳的最多图像数量。 RELATED READING
延伸阅读
更多一线实战笔记与深度复盘，助您持续精进
