Q：python 3.10 为什么不能指定 yolo12n.pt 为基座进行训练
A：3.10 可以下载的ultralytics的最后一个8.3.0，对应 yolo11，如果想使用最新的 yolo12 至少需要使用 pyhton3.11（截止目前，python3.11可以使用ultralytics 8.3.241）
PS：pyhotn 并不是越新越好，很多第三方的包不一定适配那么快。但是相对的，如果在 pyhton3.11上可以使用yolo12，那么对于 yolo12 而言，其配套设施一定完善。
Q：ultralytics（yolo 核心库）对其他依赖包的版本有什么要求吗
A：你只管 pip install ultralytics （记得让 traeCN 帮你先换源），剩下的交给 python 自己搞定。
Q：我想训练让 yolo 可以识别特定的物品，这个物品在体积、大小上有什么要求吗
A：说一点要求没有那是不可能的，yolo 也有自己不太擅长的事情，或者说所有图像识别都有自己弱项，就是体积小、细长、半透明、图片自带阴影的物体，例如笔。
注意这里是多个 debuff 叠加。
Q：采集图片时有什么具体要求吗
A：有好几项事项需要注意
1.特征明显，突出主体，背景和主体在颜色上要有明显差异；
2.多角度、多方位、多光照的采集样本素材；
3.注意光照、投影可能对主体的干扰；
4.采集几张背景，降低干扰；
5.如果你可以预见最终要处理的场景，可能要做一些适应性调整。
上图中展示了地板被错误的识别成了训练素材中的桔子，桔子也觉得挺意外的
Q：我训练了 100 个 epoch，感觉模型还差点意思，并且看了一下训练日志，发现各个参数还没有落到合理区间，我想试试150 epoch，是从 0 开始，还是可以从之前训练好的模型开始呢？
A：其实理智的思考一下，如果只能从零开始，你是不是要send your regards to the develop team，那他们肯定也考虑到了这件事情。
首先，在你的训练文件，找到是不是指定了训练模型的输出目录，如果没有指定，那一般是在 runs目录下，trainxxx 的目录，找到你刚训好的模型，一般在 weights 目录下有 best.pt 和 last.pt，一个是当前最佳、一个是最后一个 epoch 跑出来的，你自己决定用哪个。
然后打开 tranCN：
注意：从现有的模型继续训练，调整 learning rate 是一件很重要的事情，这样可以更好的接着训练。
Q：从日志来看，epoch 越多，loss 越低，我一开始就开 300epoch 是不是就行了
A：理想很美好，现实很骨感
以下展示训练了 100、200、300epoch 的三个模型对实物的推理结果：
很遗憾，300epoch 模型没有推理出内容。且 100ephch 的置信度 0.47，200epoch 置信度 0.26且出现了识别错误的情况。
过拟合：练的太多了，产生了"刻板印象"，模型认为这个东西就应该这样，其实此时的要求过于苛刻了
欠拟合："我就训练了 5 个 epoch，啥也没认出来"
PS：有些时候，训练输出可能只能参考一下，最终效果要以实际为准。
Q：我终于调整好了我的第一个模型，效果还挺不错的，能够识别 3 种我自拟的物品。但是因为需要，我要新增加一个物品，我要从 0 开始重新练吗？
A：develop team又一次感觉到了凉风吹过。
1.将新增的图片和标签放到现有数据集（不能只有新图），这个类型的数据量应该跟现有的差不多，注意你新增的标签在标签文件的序号应该都是 3 了（已经存在 0、1、2）
2.修改 data.yaml
原有：
修改后：
lr 建议从0.001 起步，epoch 减半
注意：如果你发现训练后对原有的类别识别的置信度明显下降，建议从 0 开始推倒重来，这里面的参数调整比较复杂，有这点调整参数的时间，还不如重来一次的快。
Q：代码 bug、报错怎么处理，我不擅长 python
A：tranCN 会是你的好帮手，前提是你要把环境配好（往期内容：https://blog.csdn.net/razelan）