1. 训练结束后你真正需要关注的是哪个模型文件当你完成一轮YOLO训练后runs/train/expX/weights目录下会出现一堆.pt文件best.pt、last.pt有时还有epochXXX.pt。很多新手会直接选择best.pt但实际落地时经常发现效果不如预期。这里的关键问题是best.pt是根据哪个指标选出来的在YOLO默认配置中best.pt基于mAP50-95COCO指标自动选择。但你的实际任务可能更关心某个特定类别的精度或者对推理速度有严格要求。如果训练数据存在类别不平衡mAP最高的模型在实际场景中可能表现平平。我一般会先看三个文件best.pt验证集上综合指标最好的模型last.pt最后一个epoch的模型可能过拟合但有时在特定数据上表现更好epochXXX.pt训练过程中的中间检查点用于分析模型收敛情况选择哪个文件取决于你的优先级如果要部署到生产环境优先测试best.pt如果训练数据与验证集分布有差异last.pt可能更适应你的真实数据如果需要分析训练过程中间检查点能帮你找到最佳停止点。2. 如何快速验证不同模型文件的实用价值不要只看训练日志里的数字实际推理测试才是关键。我建议按这个顺序验证2.1 准备测试数据集选择20-50张有代表性的真实场景图片涵盖简单、中等、困难三种难度。这些图片应该独立于训练集和验证集能反映实际应用场景。2.2 批量推理对比使用相同的推理参数测试所有候选模型from ultralytics import YOLO import os # 测试配置 test_images path/to/test/images models_to_test { best: runs/train/exp/weights/best.pt, last: runs/train/exp/weights/last.pt, epoch100: runs/train/exp/weights/epoch100.pt } results {} for name, model_path in models_to_test.items(): model YOLO(model_path) results[name] model.predict(test_images, saveFalse, imgsz640, conf0.25)2.3 关键指标对比重点关注这些实际指标推理速度每张图片的平均处理时间内存占用GPU显存使用情况检出率实际场景中目标的检出比例误检率错误检测的数量类别准确性对关键类别的识别精度我通常会用Excel表格记录这些数据横向对比不同模型的表现。很多时候会发现best.pt在mAP上略高但last.pt在特定类别上更稳定。3. 根据应用场景选择模型的实战策略3.1 生产环境部署如果模型要部署到服务器或边缘设备优先选择best.pt因为它在验证集上表现最稳定测试模型在不同硬件上的兼容性检查模型体积过大的文件会影响部署效率验证批量推理时的内存占用峰值# 生产环境模型验证脚本 def validate_for_production(model_path, test_data): model YOLO(model_path) # 测试单张推理速度 start_time time.time() results model.predict(test_data[0], imgsz640) single_inference_time time.time() - start_time # 测试批量推理稳定性 batch_results model.predict(test_data, batch8, imgsz640) # 检查模型大小 model_size os.path.getsize(model_path) / (1024*1024) # MB return { single_inference_time: single_inference_time, batch_stability: len(batch_results) len(test_data), model_size_mb: model_size }3.2 研发迭代场景如果还在模型优化阶段保留last.pt和几个关键epoch的检查点分析训练曲线找到验证指标开始下降的点测试不同模型在困难样本上的表现为下一步的数据增强策略提供依据3.3 资源受限环境在边缘设备或低配置环境中可能需要在模型性能和速度之间权衡测试不同输入尺寸下的表现如640 vs 320考虑使用更小的模型架构重新训练4. 训练参数对模型选择的影响4.1 早停机制Early Stopping如果训练时设置了早停patience参数best.pt可能不是在全局最优点而是在验证指标开始下降前保存的。这时需要检查训练日志中的早停信息对比早停前后的几个检查点手动选择性能更稳定的模型4.2 数据增强策略不同的增强策略会影响模型泛化能力强增强mosaic、mixup等训练的模型可能验证指标略低但实际泛化更好弱增强训练的模型验证分数高但可能过拟合验证集4.3 类别不平衡处理如果使用了类别权重cls_pw参数best.pt的选择标准可能更关注少数类别这时需要专门测试关键类别的表现。5. 模型集成与融合策略当单个模型难以满足所有需求时可以考虑集成策略5.1 投票集成对best.pt和last.pt的预测结果进行投票def ensemble_predict(models_dict, image_path, confidence_threshold0.5): all_detections [] for model_name, model_path in models_dict.items(): model YOLO(model_path) results model.predict(image_path, confconfidence_threshold) all_detections.append(results[0].boxes) # 实现投票逻辑 final_boxes vote_detections(all_detections) return final_boxes5.2 权重平均对多个检查点的权重进行平均有时能获得更好的泛化性能import torch def average_weights(model_paths, output_path): averaged_state_dict {} for path in model_paths: checkpoint torch.load(path) for key in checkpoint[model].keys(): if key not in averaged_state_dict: averaged_state_dict[key] checkpoint[model][key].clone() else: averaged_state_dict[key] checkpoint[model][key] # 计算平均 for key in averaged_state_dict: averaged_state_dict[key] / len(model_paths) # 保存平均后的模型 final_checkpoint {model: averaged_state_dict} torch.save(final_checkpoint, output_path)6. 长期模型管理建议6.1 建立模型版本规范每次训练后不要覆盖之前的成果models/ ├── project_v1/ │ ├── best.pt │ ├── last.pt │ └── training_logs/ ├── project_v2/ │ ├── best.pt │ ├── last.pt │ └── training_logs/ └── model_cards.md # 记录每个版本的关键信息6.2 创建模型卡片为每个重要检查点创建简说明## 模型v1.2 (best.pt) - 训练数据自定义数据集v35000张图片 - 关键改进增加了雨天场景数据 - 验证mAP0.68 - 测试集表现在困难样本上提升15% - 推荐场景生产环境部署6.3 自动化验证流水线建立自动化的模型测试流程每次训练后自动对比新旧模型在测试集上的表现生成对比报告。7. 常见问题排查清单当模型表现不如预期时按这个顺序排查7.1 数据问题[ ] 测试集与训练集分布是否一致[ ] 是否有标注错误或漏标[ ] 数据增强策略是否过于激进7.2 训练问题[ ] 学习率设置是否合适[ ] 训练是否充分收敛[ ] 是否存在过拟合或欠拟合7.3 模型选择问题[ ] best.pt的选择指标是否符合实际需求[ ] 是否需要调整置信度阈值[ ] 模型架构是否适合当前任务7.4 部署环境问题[ ] 推理时的预处理是否与训练一致[ ] 硬件差异是否影响性能[ ] 内存或计算资源是否充足我个人更建议建立标准化的测试流程每次训练后都用相同的测试集评估所有候选模型记录关键指标形成历史数据。这样不仅能选出当前最优模型还能为后续优化提供数据支持。实际项目中没有绝对的最好模型只有最适合当前场景的选择。重要的是建立系统的评估体系让模型选择从主观猜测变成数据驱动的决策过程。
