Ultralytics YOLO default.yaml 完整详解文件路径ultralytics/cfg/default.yaml作用Ultralytics 全局默认配置文件训练、预测、验证、导出全部参数默认值源头。 程序启动时加载命令行参数、代码传参、自定义 yaml 优先级高于此文件。优先级顺序 代码传入参数 命令行参数 自定义 yaml 配置 default.yaml底层默认完整分段解析官方原版注释整理yaml# -------------------------- 全局基础设置 -------------------------- task: detect # 任务类型 detect/segment/classify/pose/obb mode: predict # 运行模式 train/val/predict/export/tune model: null # 模型路径 yolo11n.pt / yolo11n.yaml / onnx文件 weights: null # 预训练权重和model作用重合兼容旧版本 cfg: null # 自定义模型结构yaml文件 data: null # 数据集yaml路径 coco.yaml / 自定义数据集yaml # -------------------------- 推理/预测参数 -------------------------- source: null # 输入源图片/视频/文件夹/摄像头0/rtsp流 imgsz: 640 # 输入图像尺寸 宽高单值代表正方形640×640 save: false # 是否保存推理结果图片/视频 save_txt: false # 是否保存检测框txt标签 save_conf: false # txt是否保存置信度 save_crop: false # 是否裁剪检测目标单独保存 show_labels: true # 画面绘制类别名称 show_conf: true # 画面绘制置信度 vid_stride: 1 # 视频帧采样间隔1每一帧都推理2隔一帧推理 # -------------------------- 置信度、NMS筛选 -------------------------- conf: 0.25 # 置信度阈值低于该值过滤目标 iou: 0.70 # NMS非极大抑制IOU阈值值越高允许重叠框越多 max_det: 100 # 单张图片最多检测目标数量 classes: null # 指定只检测某些类别 [0,2,3]null全部类别 agnostic_nms: false # 类别无关NMS不同类别框也互相抑制 retina_masks: false # 分割任务高精度mask # -------------------------- 硬件与推理加速 -------------------------- device: null # 运行设备 cpu / 0 / 0,1 / cuda:0 vid_writable: true half: false # FP16半精度推理GPU加速节省显存 dnn: false # 是否启用OpenCV DNN推理使用ONNX模型 amp: false # 自动混合精度训练 # -------------------------- 训练通用超参 -------------------------- epochs: 100 # 训练轮数 batch: 16 # batch size patience: 50 # 早停连续50轮无提升自动停止训练 optimizer: AdamW # 优化器 AdamW / SGD / Adam lr0: 0.01 # 初始学习率 lrf: 0.01 # 最终学习率系数 lr_final lr0 * lrf momentum: 0.937 # 动量参数 weight_decay: 0.0005 # 权重衰减防止过拟合 warmup_epochs: 3.0 # 热身轮数 warmup_momentum: 0.8 warmup_bias_lr: 0.1 # 损失函数权重 box: 7.5 # 框损失权重 cls: 0.5 # 分类损失权重 dfl: 1.5 # DFL分布损失权重 # -------------------------- 数据增强 -------------------------- hsv_h: 0.015 # HSV色相扰动 hsv_s: 0.7 # 饱和度扰动 hsv_v: 0.4 # 亮度扰动 degrees: 0.0 # 随机旋转角度 translate: 0.1 # 平移缩放 scale: 0.5 # 随机缩放 shear: 0.0 # 剪切变换 perspective: 0.001 # 透视变换 flipud: 0.0 # 上下翻转概率 fliplr: 0.5 # 左右翻转概率 mosaic: 1.0 # mosaic增强概率 mixup: 0.0 # mixup增强 copy_paste: 0.0 # copy-paste增强 # -------------------------- 保存、日志路径 -------------------------- project: runs # 根输出文件夹名称 name: predict # 子文件夹 runs/predict/ exist_ok: false # true覆盖同名文件夹false自动新建predict2 predict3 save_json: false # 保存COCO格式json结果 save_hybrid: false # -------------------------- 验证相关参数 -------------------------- val: true # 训练过程是否开启验证 split: val # 使用val集测试 rect: false # 矩形推理减少padding提速 plots: true # 训练结束生成曲线图、混淆矩阵 # -------------------------- 模型导出参数 export -------------------------- format: torchscript # 默认导出格式 torchscript/onnx/tensorrt/openvino keras: false optimize: false int8: false # INT8量化 dynamic: false # 动态输入尺寸 simplify: true # 简化ONNX模型推荐开启 opset: 17 # ONNX opset版本 workspace: 4 # TensorRT显存占用GB nms: false # 导出模型内置NMS # -------------------------- 其他杂项 -------------------------- verbose: false # 详细日志打印 seed: 0 # 随机种子固定可复现结果 deterministic: true save_optimizer: true # 是否保存优化器参数断点续训 resume: false # 断点续训关键实用知识点1、怎么加载自定义 yaml 覆盖默认参数新建my_config.yaml只写需要修改的参数不需要复制全部 default.yamlpythonfrom ultralytics import YOLO model YOLO(yolo11n.pt) # 加载自定义配置覆盖default.yaml参数 results model.predict(sourcetraffic.mp4, cfgmy_config.yaml)2、代码内直接覆盖参数优先级最高pythonyolo(sourcetraffic.mp4, saveTrue, conf0.4, iou0.5, devicecpu)3、面试高频区分default.yaml框架全局默认参数数据集 yamlcoco.yaml数据集路径、类别名称、类别数量模型结构 yamlyolo11n.yaml网络骨架、通道数、层结构三者作用完全不同不要混淆。4、你当前测试代码常用修改项如果你做视频推理可以重点调conf调高减少误检 0.25 → 0.4vid_stride隔帧推理大幅提速halfTrueGPU 半精度加速iou重叠目标多时适当调低