Yolo训练的实现基础

在YoloSharp代码中可以看到，项目包含了多个不同版本Yolo的TorchSharp实现（对TorchSharp不了解的可以看之前将TorchSharp的文章）。可自行调整或保持与Yolov11一致的结构。YoloSharp中的Yolo11模型代码如下:

public class Yolov11 : Yolov8
{
	protected override int[] outputIndexs => new int[] { 4, 6, 10, 13, 16, 19, 22 };

	public Yolov11(int nc = 80, YoloSize yoloSize = YoloSize.n, Device? device = null, torch.ScalarType? dtype = null, int[] kpt_shape = null) : base(nc, yoloSize, device, dtype, kpt_shape: kpt_shape)
	{

	}

	internal override ModuleList<Module> BuildModel(int nc, YoloSize yoloSize, Device? device, torch.ScalarType? dtype)
	{
		(float depth_multiple, float width_multiple, int max_channels, bool useC3k) = yoloSize switch
		{
			YoloSize.n => (0.5f, 0.25f, 1024, false),
			YoloSize.s => (0.5f, 0.5f, 1024, false),
			YoloSize.m => (0.5f, 1.0f, 512, true),
			YoloSize.l => (1.0f, 1.0f, 512, true),
			YoloSize.x => (1.0f, 1.5f, 768, true),
			_ => throw new ArgumentOutOfRangeException(nameof(yoloSize), yoloSize, null)
		};

		base.widths = new List<int> { 64, 128, 256, 512, 1024 }.Select(w => Math.Min((int)(w * width_multiple), max_channels)).ToArray();
		int depthSize = (int)(2 * depth_multiple);
		ch = new int[] { widths[2], widths[3], widths[4] };

		ModuleList<Module> mod = new ModuleList<Module>(
			new Conv(3, widths[0], 3, 2, device: device, dtype: dtype),
			new Conv(widths[0], widths[1], 3, 2, device: device, dtype: dtype),
			new C3k2(widths[1], widths[2], depthSize, useC3k, e: 0.25f, device: device, dtype: dtype),
			new Conv(widths[2], widths[2], 3, 2, device: device, dtype: dtype),
			new C3k2(widths[2], widths[3], depthSize, useC3k, e: 0.25f, device: device, dtype: dtype),
			new Conv(widths[3], widths[3], 3, 2, device: device, dtype: dtype),
			new C3k2(widths[3], widths[3], depthSize, c3k: true, device: device, dtype: dtype),
			new Conv(widths[3], widths[4], 3, 2, device: device, dtype: dtype),
			new C3k2(widths[4], widths[4], depthSize, c3k: true, device: device, dtype: dtype),
			new SPPF(widths[4], widths[4], 5, device: device, dtype: dtype),
			new C2PSA(widths[4], widths[4], depthSize, device: device, dtype: dtype),

			Upsample(scale_factor: new double[] { 2, 2 }, mode: UpsampleMode.Nearest),
			new Concat(),
			new C3k2(widths[4] + widths[3], widths[3], depthSize, useC3k, device: device, dtype: dtype),

			Upsample(scale_factor: new double[] { 2, 2 }, mode: UpsampleMode.Nearest),
			new Concat(),
			new C3k2(widths[3] + widths[3], widths[2], depthSize, useC3k, device: device, dtype: dtype),

			new Conv(widths[2], widths[2], 3, 2, device: device, dtype: dtype),
			new Concat(),
			new C3k2(widths[3] + widths[2], widths[3], depthSize, useC3k, device: device, dtype: dtype),

			new Conv(widths[3], widths[3], 3, 2, device: device, dtype: dtype),
			new Concat(),
			new C3k2(widths[4] + widths[3], widths[4], depthSize, c3k: true, device: device, dtype: dtype),

			new Yolov8Detect(nc, ch, false, device: device, dtype: dtype)
		);
		return mod;
	}
}

二、数据集准备

训练开始前需要先准备训练集。以目标检测为例，每一张图片和该图片对应的分类标签构成了一个case，比如 001.jpg 和 001.txt。

图片：如果图片尺寸不同，模型读取后会自行适配大小。当某些群体或场景在数据集中代表性不足或过度代表时，会导致泛化能力差。因此尽量需要从多个来源收集数据，以捕获不同的视角和场景，如果实在样本不够还可以对代表性不足的类别进行过采样、或考虑数据增强和公平感知算法。

标注：常见的标注有边界框（对象检测任务）、多边形（实例分割）、掩码（语义分割）、关键点（姿势估计和面部特征点检测）等。

以对象检测任务为例, 假设001.jpg是训练集中的一个图像，001.txt是与图片对应的标注数据：

// 001.txt
0 0.486622 0.287910 0.273133 0.243852
1 0.386423 0.549155 0.532456 0.732381

每行有5列数据，各自对应的含义如下：

0.486622

0.287910

0.273133

0.243852

制作数据集是入门的第一道坎。为了提高效率，有多种开源工具可以帮助简化数据标注流程。本项目中用的是Yolo_Label，提供了较好的快捷键与简单的操作逻辑，仅需选择分类，框选即可完成标记，显著提升了标注速度。

三、模型训练

3.1 训练前参数配置

开源的YoloSharp开放了很多参数可以直接用。如果没有开放的，比如想修改optimizer（默认为SGD），也可以直接去源码中对TorchSharp代码进行修改。

下面是YoloSharp给出的Demo中用到的参数，以及相关说明。

本项目中对trainDataPath和valDataPath的路径配置进行了修改，为了方便使标记与图片放在了同一个文件夹下，这样就和Yolo_Label输出路径一致了。

// 训练集根目录
string rootPath = @"D:\Desktop\yoloTransf\medical-pills";   

// 训练数据的目录，存放图片和标注  xxxx.jpg xxxx.txt
string trainDataPath = @"\train"; 

// 用于评估训练过程数据的目录，存放图片  xxxx.jpg xxxx.txt
// 也可以用训练集来评估
string valDataPath = @"\val";

// 模型输出位置，自动保存 best.bin 和 last.bin
string outputPath = @"D:\Desktop\yoloTransf\medical-pills\result"yijumy.cn;

// 批训练组大小
int batchSize = 5;

// 总类别的数量，设置不对会报错
int numberClass = 1;

// 训练迭代次数
int epochs = 120;

// 训练时所有图像被统一缩放到的边长
int imageSize = 480;

// 预测时
float predictThreshold = 0.3f;
float iouThreshold = 0.5f;

// YoloSharp自带的枚举值
YoloType yoloType = YoloType.Yolov11; // Yolo代
DeviceType deviceType = DeviceType.CUDA;www.yijumy.cn // Cpu or GPU
ScalarType dtype = ScalarType.Float32;  // 候选 Float16
YoloSize yoloSize = YoloSize.n; // 预设几档大小 n, s , m, l, x
ImageProcessType imageProcessType = ImageProcessType.Mosiac; // 候选 LetterBox
TaskType taskType = TaskType.Detection; // YoloSharp目前支持的几种任务类型：Detection, Segmentation, Obb, Pose
Classification = 4,

3.2 模型训练

模型训练主要代码就4行。需要先实例化一个YoloTask实例；然后选择性的可加载之前预训练的模型; 如果不加载也可以从头开始直接Train; 手动另存SaveModel（原项YoloSharp自动保存没有SaveModel方法，这个是自己改的）。

// 实例化
YoloTask yoloTask = new YoloTask(taskType, numberClass, yoloType: yoloType, deviceType: deviceType, yoloSize: yoloSize, dtype: dtype);

// 可选
// yoloTask.LoadModel(@"d:\medical-pills.yolo11", skipNcNotEqualLayers: true);

// 训练
yoloTask.Train(rootPath, trainDataPath, valDataPath, lr: 1E-4f, outputPath: outputPath, imageSize: imageSize, batchSize: batchSize, epochs: epochs, wap.yijumy.cn imageProcessType: imageProcessType);

// 另存
yoloTask.SaveModel(@"d:\medical-pills.yolo11");

在单纯运行预测的时候，把train和saveModel全部注释掉，仅实例化YoloTask就可以了。

3.3 模型预测

定义一个路径，然后读取，传入加载好的模型执行预测，生成YoloResult。YoloResult的各个元素就代表着一个对象检测任务中识别到的结果。

string predictImagePath = @"D:\Desktop\yoloTransf\medical-pills\val\Frame_456.jpg";
Mat predictImage = Cv2.ImRead(predictImagePath);
float predictThreshold = 0.3f;    // 检测置信度的阈值，越低越容易检出
float iouThreshold = 0.5f;        // 区域重叠度的阈值，越低越容易检出
List<YoloResult> predictResult =m.yijumy.cn  yoloTask.ImagePredict(predictImage, predictThreshold, iouThreshold);

其他包括在图片上绘制检测框以及类别标注就比较简单，demo里都有不再赘述。

四、模型效果

以下案例都是在笔记本上训练10来分钟就停止了，并不代表YoloSharp的最终效果。仅作为可用性的初探以及使用的示例。

4.1 公开数据集测试

检查模型及代码效果首先可以尝试官方的数据集，如ultralytics提供了很多经典数据集免费下载还有详细说明

Oracle运行过程中会生成警告日志、审计日志、跟踪文件等，需提前创建专用目录并授权，以SID为zhoul为例：

export ORACLE_SID=zhoul
mkdir -p $ORACLE_BASE/admin/$ORACLE_SID/bdump
mkdir -p $ORACLE_BASE/admin/$ORACLE_SID/adump
mkdir -p $ORACLE_BASE/admin/$ORACLE_SID/cdump
mkdir -p $ORACLE_BASE/admin/$ORACLE_SID/udump
chown -R oracle:dba $ORACLE_BASE/admin/$ORACLE_SID

各目录核心作用：

bdump：存放警告日志和DBWR、LGWR等后台进程跟踪文件；
adump：存放审计信息，默认对sysdba连接审计，空间不足会导致ORA-09817错误；
udump：存放用户进程跟踪文件，需定期清理避免空间溢出；
cdump：存放核心转储文件（core文件），记录进程异常终止时的内存状态。

2. 密码文件创建

密码文件用于数据库特权用户（如SYS、SYSTEM）的认证，创建命令如下：

orapwd file=$ORACLE_HOME/dbs/orapw$ORACLE_SID password=oracle entries=5 force=y

*.user_dump_dest=uefa.yijumy.cn  '/oracle/app/admin/zhoul/udump'
*.audit_file_dest='/oracle/app/admin/zhoul/adump'
*.background_dump_dest='/live.yijumy.cn.oracle/app/admin/zhoul/bdump'
*.core_dump_dest='/oracle/app/admin/zhoul/cdump'
*.compatible='10.2.0.5.0'
*.control_files=og.yijumy.cn  '/oradata/zhoul/control01.ctl'
*.db_name='zhoul'
*.processes=500
*.job_queue_processes=10
*.sga_target=16384M
*.db_block_size=8192
*.db_files=500
*.open_cursors=500
*.session_cached_cursors=100
*.undo_management='AUTO'
*.undo_tablespace=ouguan.yijumy.cn 'undotbs'
七、数据库创建脚本执行：实例初始化
参数文件配置完成后，即可启动实例至NOMOUNT状态，执行建库脚本初始化数据库。根据是否使用OMF（Oracle Managed Files）特性，分为两种创建方式：

1. 常规建库脚本（手动指定文件路径）
CREATE DATABASE zhoul
USER SYS IDENTIFIED BY oracle
USER SYSTEM IDENTIFIED BY oracle
LOGFILE 
  GROUP 1('/oradata/zhoul/redo01.log') SIZE 100M,
  GROUP 2('/oradata/zhoul/redo02.log') SIZE 100M,
  GROUP 3('/oradata/zhoul/redo03.log') SIZE 100M
MAXLOGFILES 5
MAXLOGMEMBERS 5
MAXLOGHISTORY 1
MAXDATAFILES 100
MAXINSTANCES 1
CHARACTER SET ZHS16GBK
NATIONAL CHARACTER SET AL16UTF16
DATAFILE '/oradata/zhoul/system01.dbf' SIZE 325M REUSE
EXTENT MANAGEMENT LOCAL
SYSAUX DATAFILE '/oradata/zhoul/sysaux01.dbf' SIZE 325M REUSE
DEFAULT TEMPORARY TABLESPACE temp
  TEMPFILE '/oradata/zhoul/temp01.dbf' SIZE 20M REUSE
DEFAULT TABLESPACE users
  DATAFILE '/oradata/zhoul/users01.dbf' SIZE 20M REUSE
  EXTENT MANAGEMENT LOCAL SEGMENT SPACE MANAGEMENT AUTO
UNDO TABLESPACE undotbs
  DATAFILE '/oradata/zhoul/undotbs01.dbf' SIZE 200M REUSE AUTOEXTEND ON MAXSIZE UNLIMITED;
脚本关键配置说明：

日志文件：建议创建5组以上，每组大小500MB，I/O紧张时不设置MEMBER；
字符集：ZHS16GBK支持全部中文，AL16UTF16为国家字符集；
表空间：SYSTEM（系统表空间）、SYSAUX（辅助表空间）、UNDOTBS（回滚表空间）、TEMP（临时表空间）、USERS（默认永久表空间）需独立配置，避免业务数据占用SYSTEM表空间。
2. OMF特性建库（自动管理文件）
Oracle 10g及以上支持OMF特性，无需指定文件路径和名称，数据库自动管理文件生命周期：

-- 先设置OMF参数
ALTER SYSTEM SET DB_CREATE_FILE_DEST=ouguan.yijumy.cn '/oradata/zhoul';
ALTER SYSTEM SET DB_CREATE_ONLINE_LOG_DEST_1='/oradata/zhoul/logs';

-- 执行建库命令
CREATE DATABASE zhoul
USER SYS IDENTIFIED BY oracle
USER SYSTEM IDENTIFIED BY oracle
UNDO TABLESPACE undotbs
DEFAULT TEMPORARY TABLESPACE temp
DEFAULT TABLESPACE users;
@?/rdbms/admin/catalog.sql  # 创建核心数据字典视图
@?/rdbms/admin/catproc.sql  # 创建PL/SQL相关包和存储过程
@?/rdbms/admin/utlrp.sql    # 编译无效对象
conn system/oracle
@?/sqlplus/admin/pupbld.sql # 创建SQL*Plus产品配置表