模型架构选择

创建训练任务时，模型架构决定了网络的容量和复杂度，直接影响训练速度、推理性能和最终精度。本页帮助你理解模型架构下拉框里的每个选项，并给出适合不同场景的选择建议。

模型架构字段

图1：训练创建对话框中的模型架构下拉列表

字段	类型	必填	默认值	说明
modelType	下拉	必填	yolov8n	模型架构，按当前项目任务类型过滤可选项

modelType 是一个单选下拉框。打开后会看到若干以 yolo 开头的选项（例如 yolov8n、yolo11s、yolo26m），每个选项由「系列」加「规格」两部分组成。任务类型不同，可选的权重后缀也不同，这部分由系统自动处理，你只需选择系列和规格。

三大模型系列

三大模型系列

平台支持三个 YOLO 系列：

• YOLOv8：成熟稳定，社区生态最完整，资料最丰富
• YOLO11：Ultralytics 的新一代架构，精度和速度均衡
• YOLO26：最新系列，在多个基准上进一步提升

每个系列又分为五种规格，从小到大依次是 Nano（n）、Small（s）、Medium（m）、Large（l）、Extra Large（x）。

规格越大，网络容量越高，精度通常更好，但训练更慢、推理更慢、显存需求也更高。

下拉列表按系列排序：YOLO26 优先，然后 YOLO11，最后 YOLOv8；同一系列内按规格从小到大排列。

规格选择建议

不同规格对应不同的资源消耗和精度表现，请根据硬件条件和应用场景选择。

字段	类型	必填	默认值	说明
Nano (n)	规格	可选	—	最轻量、最快。适合快速试验、验证数据流水线，以及算力有限的边缘部署
Small (s)	规格	可选	—	平衡速度与精度。适合大多数实际场景，是正式训练的常用起点
Medium (m)	规格	可选	—	精度较高。适合对精度有明确要求、硬件中等的场景
Large (l)	规格	可选	—	高精度。需要较强的 GPU，训练和推理都比较耗时
Extra Large (x)	规格	可选	—	最高精度。训练和推理最慢，显存占用最大，适合精度优先的离线任务

任务类型决定可用模型

任务类型决定可用模型

任务类型从项目类型自动推断，不可手动选择。不同任务类型对应不同的预训练权重后缀：

• 检测项目（detect）：使用 detect 后缀权重，如 yolov8n.pt
• 分割项目（segment）：使用 segment 后缀权重，如 yolov8n-seg.pt
• 姿态项目（pose）：使用 pose 后缀权重，如 yolov8n-pose.pt
• 旋转框项目（obb）：使用 obb 后缀权重，如 yolov8n-obb.pt

创建训练任务时，下拉框只会显示与当前项目任务类型匹配的架构，无需你额外判断后缀。

预训练模型与从头训练

预训练模型 vs 从头训练

预训练模型选项默认为「无（从头训练）」，表示不加载任何预训练权重，网络参数从随机初始化开始学习。

选择一个预训练模型后，系统会自动把「模型架构」字段同步为该模型对应的架构，保证两者一致。

使用预训练权重通常能显著加快收敛速度，并提升最终精度，因为模型已经从大规模数据集中学到了通用的视觉特征。

建议：大多数场景优先使用预训练模型，除非你有明确的特殊需求（例如研究新架构、验证从零训练的效果）。

选择流程

1. 确认任务类型

   打开训练创建对话框，任务类型由项目自动推断并显示，无需手动选择。
2. 查看可选架构

   点击「模型架构」下拉框，浏览与当前任务类型匹配的可用模型。列表按系列（YOLO26 → YOLO11 → YOLOv8）和规格（n → x）排序。
3. 选择预训练模型

   如需迁移学习，在「预训练模型」中选择一个已有版本，系统会自动同步对应的模型架构。
4. 确定规格

   根据硬件条件和应用场景，选择合适的规格。首次试验优先用 Nano，正式训练用 Small 或 Medium。
5. 继续配置参数

   架构选定后，继续配置训练轮数、批次大小等参数，详见训练参数详解。

选择建议

选择建议

• 首次试验：用 Nano 规格。训练最快，便于快速验证数据流水线和标签是否正确，避免在大模型上浪费算力。
• 正式训练：用 Small 或 Medium。在精度和速度之间取得平衡，是大多数生产场景的合理选择。
• 精度优先：用 Large 或 Extra Large。先确认硬件显存充足，并预留更长的训练时间。
• 不确定时：先用 Small 训练一次作为基线，再根据指标决定是否升级到更大规格。