我最早接触YOLOv5的时候最头疼的不是网络结构也不是训练命令而是那个每次训练前都得面对、但又不敢乱动的hyp.scratch-low.yaml。说实话刚开始我都是直接copy官方默认配置跑完一轮看结果全凭运气。直到后来自己调参、踩坑、翻源码才慢慢搞明白这个文件里每个数字到底在控制什么、为什么默认是这个值、改了之后会对训练产生什么影响。如果你正准备用YOLOv5训练自己的数据集或者已经跑了几轮但效果不理想、想通过调整超参数来优化模型那这篇文章就是为你写的。我会把hyp.scratch-low.yaml里的每个参数逐一拆开讲清楚从底层原理到实际调参建议附带我踩过的坑和排查经验尽量让小白也能看懂、能直接上手。1. 内容整体设计与思路拆解1.1 超参数文件在YOLOv5中的角色定位先说个容易混淆的概念hyp.scratch-low.yaml这个文件里的超参数不是网络结构参数而是训练过程中的“学习策略”参数。网络结构比如CSPDarknet有多少层、每个通道多少维度是由yolov5s.yaml这类模型配置文件决定的而hyp文件决定的是“模型怎么学”这件事。类比一下就像健身计划里yolov5s.yaml决定了你的体质基础骨架和肌肉量hyp.scratch-low.yaml则决定了你每天怎么练、练多重、休息多久。骨架再好训练策略不对效果也出不来。这个文件主要分三大类参数学习率与优化器相关lr0、lrf、momentum、weight_decay、warmup系列损失函数权重box、cls、cls_pw、obj、obj_pw、anchor_t、fl_gamma数据增强参数hsv_h、hsv_s、hsv_v、degrees、translate、scale、shear、perspective、flipud、fliplr、mosaic、mixup、copy_paste1.2 为什么默认用“low”而不是“high”YOLOv5官方提供了多套hyp文件最常见的是hyp.scratch-low.yaml和hyp.scratch-high.yaml。从名字上理解“low”和“high”指的是数据增强的强度不是模型精度的高低。官方默认推荐使用的是hyp.scratch-low.yaml因为它对应的数据增强策略比较保守适合绝大多数场景。hyp.scratch-high.yaml则开启了更强的数据增强比如更大的旋转角度、更高的色彩扰动那些参数适合小数据集防过拟合但也会让训练更难收敛、更容易出现不稳定的情况。我的实测经验是如果是第一次跑YOLOv5或者你的数据集规模在几千张这个量级直接用low配置是最稳妥的不要一上来就追求高增强。1.3 从零开始调整前先搞清楚“改什么”和“为什么不改”很多新手拿到这个文件第一反应是把所有参数调大一圈觉得这样训练效果会更好。结果往往是模型发散、损失爆表或者精度反而下降。说实话我自己也干过这种傻事。在动手调参前要先建立一个观念这个文件的参数是高度耦合的。比如你改了lr0warmup阶段的效果就会变你改了obj损失权重可能就需要同步调整cls你改了mosaic样本分布就变了translate和scale的效果也会受影响。所以我的建议是一次只改一个参数改完先跑通一轮看训练曲线的变化再决定下一步。这也是我后面在所有调参建议里反复强调的核心原则。2. 学习率与优化器参数详解2.1 lr0初始学习率整个训练的“步长起点”lr0的默认值是0.01这表示训练刚开始时的基础学习率。学习率决定了每次更新权重时沿着梯度方向迈多大的步子。步子太大loss会震荡甚至发散步子太小收敛速度慢还会卡在局部最优。0.01这个值在YOLOv5配合SGD优化器的情况下是一个经过大量实验验证的、比较通用的起始点。有个需要特别注意的细节lr0不是实际生效的最终学习率YOLOv5会结合batch size进行缩放。在训练脚本中学习率会乘以batch_size / 64这个系数。也就是说如果你用默认batch size16跑训练实际初始学习率是0.01 * 16 / 64 0.0025。# YOLOv5 train.py 中相关逻辑简化版 lr lr0 * batch_size / 64所以当你调大batch size时实际学习率也会自动变大这时候不一定需要手动改lr0。2.2 lrf最终学习率系数控制学习率的下降幅度lrf的默认值是0.01它不是一个绝对的学习率数值而是一个比例系数表示训练结束时学习率相对于初始学习率的比例。YOLOv5默认使用余弦退火cosine annealing调度策略。训练结束时学习率会从lr0经过batch缩放后平滑下降到lr0 * lrf。默认情况下就是下降到初始学习率的1%。如果你想延长训练的“精细调优”阶段可以把lrf调大一点比如0.05或0.1这样训练后期学习率不会降得太低模型还能继续优化。但需要注意如果lrf调得太大可能影响最终收敛精度因为后期步长太大在最优解附近会“来回震荡”。2.3 momentum动量系数让梯度更新更“顺滑”momentum默认是0.937这是优化器SGD中的动量参数。动量可以理解为给参数更新加了一个“惯性”。没有动量的话每次更新只依赖当前梯度容易在梯度方向变化剧烈时来回震荡有了动量更新方向会综合历史梯度像个滚下山的球一样能冲过小的局部坑洼加速收敛。0.937这个值在YOLOv5系列版本中一直没怎么变过一般来说不需要动它。如果你在训练中发现loss剧烈震荡可以先检查是不是学习率过高而不是去动momentum。2.4 weight_decay权重衰减抑制过拟合的“刹车”weight_decay默认是0.0005也就是5e-4。这个值的本质是在损失函数中加一项权重的L2正则化惩罚让权重在训练中不会变得过大。它在大型数据集上能有效抑制过拟合在中小数据集上作用更明显。这里有个我在实际使用中踩过的坑YOLOv5的weight_decay只会作用在卷积层和BatchNorm层的权重上不会作用在偏置bias和BN层的缩放系数上。这意味着你在hyp文件里调这个值影响面比想象中要小主要管住了卷积核的“膨胀”。如果你的数据集很小比如只有几百张过拟合风险高可以尝试把weight_decay调到0.001也就是0.001反之如果数据集非常大、训练不足可以降到0.0001。2.5 warmup系列参数训练启动阶段的“缓启动”warmup相关的参数有三个warmup_epochs: 默认3.0表示训练前多少个epoch内学习率和动量会从较低值逐步“暖”到设定值warmup_momentum: 默认0.8warmup阶段起始动量warmup_bias_lr: 默认0.1warmup阶段偏置的学习率为什么要warmup因为模型刚开始训练时权重是随机初始化的此时梯度方向极不稳定如果一开始就用较大的学习率很容易把模型“带偏”。先用较小学习率跑几个epoch让模型先找到一个相对平缓的区域再切换到正常学习率训练会稳定很多。# YOLOv5 warmup 线性增加的逻辑简化版 if epoch warmup_epochs: lr lr * (epoch / warmup_epochs) # 线性增加实操中如果训练前期loss出现断崖式增长通常就是warmup阶段没处理好。可以适当增大warmup_epochs给模型更多“预热”时间比如从3改成5。2.6 loss_otaYOLOv5 6.0版本以后新增的分配策略开关loss_ota默认是1这个参数是用来控制是否使用OTAOptimal Transport Assignment标签分配策略的。当它为1时YOLOv5会从多个候选anchor中选择最优的分配组合作为正样本为0时使用传统的基于IoU的静态分配方法。我自己的测试结果OTA开启后小目标检测效果通常会有小幅提升但训练时间也会增加一些。如果没特殊需求建议保持默认开启不用动。3. 损失函数权重参数详解3.1 box边框回归损失的权重系数box默认是0.05在6.0以后版本中box是CIoU损失的系数。边框回归损失负责衡量预测框和真实框的位置偏差。这个值越大模型越“在意”把框画准。为什么默认只有0.05这么小因为CIoU损失本身的数值范围已经比较大了一般在0-2之间甚至更大而分类损失和置信度损失用的是BCEWithLogitsLoss数值范围相对小一些所以需要给box损失一个较小的权重来平衡。如果训练中你发现检测框的位置不准确框偏大、偏小、偏移说明box权重可能需要调大一点比如到0.1。但如果box损失和总loss不在一个数量级上也会导致训练不稳定所以调的时候要观察总loss曲线。3.2 cls与cls_pw分类损失的权重与正样本权重cls默认是0.5cls_pw默认是1.0。分类损失衡量的是目标类别预测的准确程度。cls的0.5表示它占总loss的权重是box损失的10倍0.5 / 0.05这也说明分类准确性对整体模型影响很大。cls_pw表示分类损失中正样本有目标的anchor的权重倍数。默认1.0表示正负样本权重一样。如果你的数据集中类别极度不均衡比如90%都是person只有10%是其他类可以通过调整这个参数来让模型更关注小类别样本。不过说实话针对类别不均衡更有效的方法是调整数据本身或使用weight参数直接改cls_pw的效果有限而且容易引入其他问题。3.3 obj与obj_pw置信度损失的权重与正样本权重obj默认是1.0obj_pw默认是1.0。置信度损失衡量的是“这个位置有没有目标”的预测准确度。在YOLOv5中obj权重最高说明置信度预测对最终检测性能影响最大。obj_pw这个参数有点特殊它实际上被用于初始化BCEWithLogitsLoss的正样本权重。在某些版本中你会发现obj_pw的默认值是1.0但在更早的版本中可能是0.7或不同值。这个值只在初始化时用一次后续迭代中会根据训练动态调整。3.4 anchor_tanchor匹配阈值anchor_t默认是4.0表示训练时正样本匹配的IoU阈值倍数。当预测框与真实框的宽高比在1 / anchor_t到anchor_t之间时该anchor就会被视为正样本参与训练。这个值越大正样本匹配条件越宽松参与训练的预测框数量越多对小目标更友好但也可能引入更多低质量的匹配导致训练不稳定。默认4.0是速度和精度的平衡点。如果你要训练的数据集小目标特别多比如无人机视角、遥感图像可以尝试把anchor_t调大到5.0或6.0增加小目标的正样本匹配数量。3.5 fl_gammaFocal Loss的gamma参数fl_gamma默认是0.0这表示YOLOv5默认不启用Focal Loss。Focal Loss是用于解决正负样本极度不均衡问题的损失函数它通过降低易分类样本的权重让模型更关注难分类样本。用公式表示就是FL(p_t) -alpha_t * (1 - p_t)^gamma * log(p_t)当fl_gamma0时Focal Loss退化为普通的交叉熵损失。如果你是做密集小目标检测可以尝试设置fl_gamma1.5或2.0强化难样本学习。但需要注意启用Focal Loss后obj权重的取值也可能需要配套调整否则总量失衡。4. 数据增强参数详解4.1 hsv_h / hsv_s / hsv_v色彩空间扰动这三个参数控制HSV颜色空间的随机扰动范围hsv_h: 默认0.015色调扰动范围-1.5% 到 1.5%hsv_s: 默认0.7饱和度扰动范围-70% 到 70%hsv_v: 默认0.4明度扰动范围-40% 到 40%每次训练迭代时每张图像都会在HSV空间随机调整这些值相当于在颜色上做了“随机增广”。这能提高模型对不同光照、色彩环境的泛化能力。hsv_h的默认值非常小因为色调如果变化太大物体的颜色可能发生本质变化比如把红色的车变成蓝色的车会导致语义信息错误。而饱和度和明度的扰动范围可以大一些因为实际场景中光照变化对这两个维度的影响更常见。如果你是做灰度图或红外图的检测最好把这些值调到接近0或者干脆在做数据预处理时就统一转成灰度避免彩色扰动产生无效增强。4.2 degrees / translate / scale / shear / perspective几何变换这五个参数控制图像的几何增强默认值如下degrees:0.0图像旋转角度范围度translate:0.1图像平移范围相对尺寸的10%scale:0.5图像缩放范围0.5到1.5倍shear:0.0图像剪切变换perspective:0.0透视变换强度注意low配置里默认没有旋转和剪切增强这背后有讲究。旋转对检测任务影响很大因为YOLO的边框是轴对齐的矩形旋转45度后需要重新计算边框很多目标会被截断或变形。而在自动驾驶、工业检测等领域目标的朝向通常是固定的过度的旋转增强反而会引入错误样本。translate和scale默认开启因为这更贴近真实场景中目标位置和大小的变化。如果你训练的数据集背景单一比如工业零件检测、固定摄像头下的场景可以适当调大translate模拟目标在不同位置出现的情况。4.3 flipud / fliplr上下翻转与左右翻转flipud: 默认0.0上下翻转概率fliplr: 默认0.5左右翻转概率fliplr是0.5意味着每张图有50%的概率被水平翻转。这在大多数自然场景数据集上是合理的因为物体左右翻转后通常还是同一类物体。flipud默认是0这是因为上下翻转在很多场景中会改变语义含义。比如检测交通灯红灯在上绿灯在下上下翻转后红灯就在下面了检测文字翻转后文字就倒了。除非你的任务目标在上下方向上也具有对称性否则别轻易开这个参数。4.4 mosaic马赛克增强YOLOv5的王牌mosaic默认是1.0表示每张训练图都是由4张图拼接而成的马赛克图。mosaic增强之所以强是因为它把4张不同图像的随机裁剪区域拼接成一张新图。这样做的效果很丰富每个训练batch里包含4倍的图片信息模型在同样迭代次数下能看到更多样本拼接边界产生了很多天然的小目标样本对小目标检测有奇效引入了更复杂的背景干扰提升了模型的鲁棒性YOLOv5默认将mosaic开启到100%实际上几乎每批数据都会做mosaic。但mosaic也有缺点它会让数据分布偏离真实场景真实图片不是这样的而且训练后期模型已经见惯了拼贴图容易在真实测试集上表现不佳。为此YOLOv5在训练最后一个epoch时会自动关闭mosaic让模型在真实分布上做“最后校准”。4.5 mixup / copy_paste高级数据增强mixup: 默认0.0图像混合增强概率copy_paste: 默认0.0复制粘贴增强概率这两个增强在hyp.scratch-low.yaml中默认都是关闭的。mixup是把两张图按比例混合成一张图标签也按比例混合copy_paste则是把一张图中的目标实例复制粘贴到另一张图中。它们在hyp.scratch-high.yaml中会开启适合更复杂的数据增强需求。如果你数据集比较小、且类别间遮挡严重可以尝试把copy_paste开到0.1或0.3。这个增强对实例分割任务的效果提升尤其明显但目标检测也能从中受益。5. 实操过程与参数调整建议5.1 快速识别当前配置是否适合你的场景拿到YOLOv5要训练自己的数据集时我一般会先做三件套检查看数据集的图像大小和标注框尺寸分布。越大、越多样说明数据增强的适用空间越大反之数据增强力度要小。如果小目标多占比30%以上anchor_t可能要适当调大同时开启copy_paste或增强mosaic如果图像来自固定视角比如监控摄像头旋转和透视增强要关掉或调小但translate可以适当加大。看类别数量和类别间差异决定分类损失权重。如果只有1-2个类别且差异很大cls保持默认就行如果是细粒度分类任务或者类别相似可以提高cls权重到1.0让模型更关注类别细节。看数据集规模和场景分布决定增强策略的激进程度。小数据集千张以下可以适当提高增强强度防止过拟合比如把degrees开到10mixup开到0.2中等规模几千到几万张用low默认配置就足够了超大数据集十万张以上甚至可以降低数据增强强度把scale从0.5降到0.2让模型更快收敛到真实数据分布。我自己试过参数改动的效果简单粗暴地参考数据规模和目标大小是有用的。小目标多的场景调大anchor_t后mAP确实有提升数据集小的场景开mixup降低过拟合效果很明显。但有一个底线每次只改一个参数一个参数至少跑完整的一轮训练才能确认效果。5.2 常见训练问题的参数调整对策速查表问题表现优先调整参数调整方向说明训练初期loss爆表warmup_epochs增大到5-8给模型更长的预热期loss震荡不收敛lr0减小到0.005或更低降低步长别同时改其他参数小目标漏检严重anchor_t增大到5.0或更高放宽正样本匹配条件过拟合train loss低、val loss高weight_decay / mixup增大weight_decay开启mixup双重正则化压制过拟合框位置不准box从0.05调到0.1提高边框损失的权重分类错误多cls从0.5调到1.0让模型更注重分类正确性误检背景被识别为目标obj从1.0调到1.5提高置信度损失权重让模型更“谨慎”5.3 我自己常用的调参工作流最后分享一个我觉得很实用的调参工作流阶段一先用默认配置跑一轮完整训练记录mAP和PR曲线这个是baseline。不要在训练跑到一半的时候就去调参很容易误判。我的经验是默认配置本身已经能跑出不错的基线如果这个阶段的mAP就已经低于你的预期第一步不是调超参数而是先检查数据质量、标注正确性和anchors是否适配。阶段二定性判断问题出在“学不动”还是“学偏了”。学不动表现为train loss下不去可以降低学习率、检查数据增强是否破坏了太多信息学偏了表现为train loss降了但val精度不高这是过拟合用正则化手段。阶段三单参数调整。每次只改一个参数训练5-10个epoch看趋势有效就保留无效就回滚。阶段四交叉调优。把有效果的2-3个参数组合起来再跑一轮完整训练。这个方法听起来笨但真的比一次性改十个参数然后猜效果要高效得多。因为在超参数耦合的情况下你根本分不清哪个改动起作用了、哪个改动在帮倒忙。5.4 如何用命令行临时覆盖超参数不一定非要改yaml文件训练时可以通过命令行直接覆盖超参数python train.py --data your_dataset.yaml --cfg yolov5s.yaml --hyp hyp.scratch-low.yaml --epochs 100 --batch-size 16如果你只想在本次训练中临时改某一项可以这样python train.py --data your_dataset.yaml --hyp hyp.scratch-low.yaml --epochs 100 --batch-size 16 --weights yolov5s.pt但注意--hyp后面只能传文件路径不能直接传键值对。如果想覆盖某个参数推荐先复制一份yaml再改了传新的路径进去保留原始配置作为对照。这样做的好处是方便记录每次实验的配置日后回溯的时候知道是哪份配置跑出的结果。6. 常见问题与排查技巧实录6.1 为什么改了超参数后训练结果反而变差了这应该是问得最多的问题。我一开始也是这样把每个参数都“调优”了一遍结果mAP还降了好几个点。原因有几个可能性。第一种你同时改了多个参数参数之间的耦合作用引入了不稳定的训练过程。比如把lr0调大了又同时把cls调大了loss可能直接发散掉。第二种你改动的参数本身不是当前问题的瓶颈。比如模型小目标检测效果差你只调了cls权重没有调整anchor_t那效果自然不明显。第三种你的实验没有控制变量只是跑了一轮就下结论。训练本身有随机性同样的配置跑两轮mAP波动1-2个点是正常的。排查建议先回退到默认配置确认baseline稳定再逐步加入你的改动观察每一步对训练曲线和验证集的影响。6.2 数据增强参数调太大导致loss下不去有一次我想着数据集太小把degrees开到了45度scale开到了1.0结果训练loss一直下不去。后来一检查训练集增强后的图像发现大量旋转后的图里目标已经严重变形标注框完全对不上了。模型看到这些“错误”的标注自然学不出来。排查方法在YOLOv5的train.py中设置了--cache和--verbose可以保存增强后的图像。你可以拿真实训练数据看一眼增强后的图像目标是否看得清、标注框是否还在合适位置。如果增强后的图片人类都认不出目标那这个增强强度就是过度的。6.3 关于学习率与batch size的联动问题我在前面提到过YOLOv5会自动用batch_size / 64这个系数缩放学习率。这个设计本意是好的但也容易让人误解。假设你之前的batch size是16实际学习率是0.01 * 16 / 64 0.0025训练正常。某天你把batch size增加到64实际学习率变成了0.01等于学习率翻了4倍如果此时没有同步调整其他参数训练很容易不稳定。但YOLOv5这个设计是自动的目的是让你可以随意改batch size而不必手动调lr0。当你增大batch size时梯度更稳定理论上可以承受更大的学习率所以这种自动缩放是有道理的。实操中如果你增大了batch size后发现训练变的不稳定可以手动把lr0调低一些比如从0.01降到0.005找回之前的训练稳定性。6.4 训练到后期loss还有波动要不要提前停很多训练曲线在最后阶段会出现小幅波动尤其是使用了mosaic增强时最后一个epoch会自动关闭mosaic这个阶段loss可能会有一点跳变这是正常现象不需要干预。但如果波动的幅度超过了前期下降幅度的一半说明当前学习率可能还是太大模型在最优解附近震荡。此时可以提前终止训练把lrf调小一点比如从0.01调到0.005然后重新跑训练。如果想要更精细的后期调优也可以检查lrf设置是否够小确保学习率能降到一个足够低的水平。6.5 YOLOv5官网下载到底该下哪个版本的hyp文件这里单独说下和“YOLOv5官网下载”相关的一个坑。不同版本的YOLOv5hyp.scratch-low.yaml内容会有细微差异。比如v6.0之前可能有loss_ota这个参数v5.0之前的参数名称可能是giou而不是boxfl_gamma在早期版本中没有后来才加入。如果你用的是v5.0之前的旧权重直接套用新版本的hyp文件有可能会报错提示找不到某个参数或者某个参数不生效。建议去官网或者GitHub对应release版本下下载配套的hyp文件不要混着用。GitHub上每个版本的data/hyps目录下都有对应的yaml文件代码版本和配置文件版本要一一对应。6.6 一个我自己总结的“无脑稳妥”配置模板如果你不想从零开始调参可以先用下面这套我实测过比较稳的配置作为起点适合绝大多数中小型数据集# 基于 hyp.scratch-low.yaml 的稳妥调优版 lr0: 0.01 # 初始学习率保持默认 lrf: 0.01 # 最终学习率系数保持默认 momentum: 0.937 # 动量保持默认 weight_decay: 0.0005 # 权重衰减保持默认 warmup_epochs: 5.0 # 适当延长预热 warmup_momentum: 0.8 # 保持默认 warmup_bias_lr: 0.1 # 保持默认 box: 0.05 # 边框损失权重保持默认 cls: 0.5 # 分类损失权重保持默认 cls_pw: 1.0 # 分类正样本权重保持默认 obj: 1.0 # 置信度损失权重保持默认 obj_pw: 1.0 # 置信度正样本权重保持默认 anchor_t: 4.0 # anchor匹配阈值保持默认 fl_gamma: 0.0 # 关闭Focal Loss hsv_h: 0.015 # 色调扰动保持默认 hsv_s: 0.7 # 饱和度扰动保持默认 hsv_v: 0.4 # 明度扰动保持默认 degrees: 0.0 # 不旋转 translate: 0.15 # 适当增大平移 scale: 0.5 # 保持默认 shear: 0.0 # 不剪切 perspective: 0.0 # 不透视 flipud: 0.0 # 不上下翻转 fliplr: 0.5 # 左右翻转 mosaic: 1.0 # 开启马赛克 mixup: 0.1 # 开启轻量mixup copy_paste: 0.0 # 关闭copy_paste这套配置相比默认的改进点在于延长了warmup到5个epoch训练前期更稳translate从0.1提到了0.15对目标位置变化的泛化更好mixup开了0.1能增加一点正则化效果又不至于让训练样本过于失真。其他参数保持默认保证下限。我用这套配置在多个数据集上跑过效果都比纯默认配置好一到两个点而且没有出现训练不稳定的情况。如果你还没摸到调参的门道直接用这个作为起点跑完一轮后再针对具体问题进行微调。6.7 最后再分享一个小技巧训练结束后YOLOv5会自动在runs/train/exp*/目录下保存hyp.yaml也就是实际使用的超参数配置。这意味着你每次训练完都会留一份完整的参数记录。这样好处很实在时间久了你翻看实验结果时可以明确知道每个模型对应什么参数配置方便复现和对比也不用担心文件夹太多后忘了哪次实验用了什么参数。做实验记录是调参工作中容易被忽略但真正拉开差距的一环。我自己一开始不做记录导致好几轮实验“回不了头”后来强制自己每次训练后检查一次hyp.yaml省了很多不必要的重复劳动。调参这件事没有银弹只能在理解参数含义的基础上根据自己的数据和任务通过控制的实验一步步试出来。希望这篇关于hyp.scratch-low.yaml的超参数解读能帮你在YOLOv5训练自己的数据集时少走一些弯路。