YOLOv11 依托 Ultralytics 框架实现便捷训练，其训练参数涵盖基础训练控制、优化器配置、数据增强、正则化与早停等多个核心维度，这些参数直接影响模型的训练效率、收敛速度和最终精度。以下是常用关键参数的详细解析：

1. 基础训练控制参数

   参数	默认值	功能详解
   model	None	指定训练用的模型文件，可传入.pt 预训练权重文件或.yaml 模型结构配置文件，是定义模型架构和初始化权重的核心参数。
   data	None	数据集配置 YAML 文件路径，文件需包含训练集 / 验证集路径、类别数（nc）、类别名称等信息，用于模型读取和识别数据。
   epochs	100	训练轮次，即整个数据集被完整遍历的次数。数据集小于 10k 时建议设 50 - 100，10k - 100k 设 100 - 300，超过 100k 设 300+，过多易过拟合，需配合早停策略。
   batch	16	批量大小，即每次迭代送入模型的样本数。支持整数设置、自动适配内存模式（batch=-1 为 60% GPU 利用率），或按比例设置（如 batch=0.7）。增大可提升 GPU 利用率，但受限于显存。
   imgsz	640	输入图像的目标尺寸，图像训练前会缩放至该尺寸。尺寸越大越能捕捉细节，但会显著增加计算量，需平衡精度与硬件性能。
   device	None	指定训练设备，如单 GPU 设 device=0，多 GPU 设 device=0,1，CPU 设 device=cpu，苹果芯片设 device=mps。

2. 优化器相关参数该类参数控制模型权重的更新逻辑，影响收敛速度和稳定性，YOLOv11 支持 SGD、AdamW 等多种优化器。

   参数	默认值	功能详解
   optimizer	auto	指定优化器，可选 SGD、Adam、AdamW 等。AdamW 收敛快适合科研比赛，SGD 稳定性强适合生产端侧部署。
   lr0	SGD 为 0.01，AdamW 为 0.001	初始学习率，控制权重更新的步长。批量放大 k 倍时，学习率建议按 0.8 - 0.9k 倍调整，避免收敛异常。
   momentum	0.937	仅 SGD 生效，模拟物理动量，帮助梯度下降逃离局部极小值，减少更新波动，加速收敛。
   weight_decay	SGD 为 5e - 4，AdamW 为 5e - 2	权重衰减，正则化手段之一。通过惩罚过大权重，防止模型过拟合，简化网络复杂度。
   eps	1e - 8	仅适用于 AdamW 等自适应优化器，避免分母为 0 的计算异常，提升数值稳定性。
   cos_lr	False	是否启用余弦学习率调度器。启用后学习率随训练轮次按余弦曲线先升后降，助力模型找到全局最优解。

3. 数据增强参数这类参数通过变换图像提升数据多样性，增强模型泛化能力，YOLOv11 内置多种增强策略，参数可在配置文件中调整：

   参数	默认值	功能详解
   close_mosaic	10	训练最后 N 轮禁用马赛克增强，避免后期训练波动，稳定模型性能，设为 0 则全程启用。
   mosaic	True	开启马赛克增强，将 4 张图像拼接成 1 张，丰富背景和目标组合，提升模型对多目标场景的适应力。
   fliplr	0.5	左右翻转概率，默认 50% 概率翻转图像，简单高效提升数据多样性。
   flipud	0.0	上下翻转概率，默认不翻转，可根据数据集特点调整，如航拍图像可适当增大。
   hsv_h/hsv_s/hsv_v	0.015/0.7/0.4	分别控制色调、饱和度、明度的扰动范围，通过调整颜色分布增强模型对色彩变化的鲁棒性。
   degrees	0.0	图像随机旋转角度，默认不旋转，可根据目标形态调整，避免过度旋转导致目标特征失真。

4. 正则化与早停参数这类参数用于防止过拟合，保障模型泛化能力，同时避免无效训练耗时：

   参数	默认值	功能详解
   patience	100	早停耐心值，若连续 N 轮验证指标无提升则停止训练，有效避免过拟合和无效训练。
   save	True	是否保存训练检查点和最终模型，便于恢复训练或后续部署。
   save_period	-1	模型检查点保存频率（以轮次为单位），-1 表示禁用，长时间训练时可设为 10 等数值保存中间模型。
   single_cls	False	是否将多类别数据集视为单类别训练，适用于仅需检测目标存在性的二元分类场景。

5. 其他辅助参数

   参数	默认值	功能详解
   pretrained	True	是否加载预训练权重，启用后可缩短训练时间，提升模型初始性能，从头训练可设为 False。
   seed	0	训练随机种子，固定种子可让相同配置下的训练结果可重复，便于实验对比。
   cache	False	是否缓存数据集，可选内存缓存（True/ram）、磁盘缓存（disk），缓存可减少磁盘 I/O 提升速度，但会占用更多存储资源。
   rect	False	是否启用矩形训练，通过优化批次图像排列减少填充，提升训练效率，可能对精度有轻微影响。