Ultralytics代码详细解析（三：engine-＞trainer.py主框架）

---

引言

之后就正式要进入正文了，这一篇先说engine文件夹吧，毕竟它是启动训练的核心，那么我们就来学习模型训练trainer.py的主框架吧~~~

---

一、框架

二、详解

1. 初始化

• –init–：主初始化入口；
• check_resume：检查恢复训练点；
• get_dataset：加载和验证数据集；
• setup_model：模型初始化；
• get_model：获取模型（由子类实现）；

2. 训练

• train：训练主入口；
• _do_train：实际训练过程；
• _setup_train：设置训练所需的各种组件：模型、冻结层、AMP、优化器等；
• final_eval：最终评估，使用最好的模型进行验证并生成结果。

3. 训练设置

• build_optimizer：构建优化器；
• _setup_scheduler：设置学习率调度器；
• get_dataloader：数据加载；
• build_dataset：构建数据集（由子类实现）；
• resume_training：恢复训练；
• _close_dataloader_mosaic：关闭数据加载器的mosaic增强；
• set_model_attributes：设置模型属性；
• auto_batch：自动计算合适的batch大小；
• _setup_ddp：设置分布式训练环境。

4. 循环训练

• _model_train：将模型设置为训练模式，并冻结指定BN层的统计信息；
• preprocess_batch：数据预处理；
• • build_targets：构建目标（由子类实现）；
• optimizer_step：参数更新，执行优化步骤；
• _get_memory：获取当前设备的内存使用情况；
• _clear_memory：清理内存；
• progress_string：返回训练进度字符串（由子类实现）。

5. 验证保存

• validate：在验证集上验证模型性能；
• get_validator：获取验证器实例；
• label_loss_items：返回带标签的损失项，用于记录和打印；
• save_metrics：将训练指标保存到CSV文件；
• read_results_csv：读取训练过程中保存的CSV文件；
• save_model：保存模型，包括last.pt, best.pt等。

6. 回调函数系统

• add_callback：添加特定事件回调函数；
• set_callback：设置特定事件回调函数；
• run_callbacks：运行特定事件回调函数。

7. 可视化

• plot_training_samples：绘制训练样本（由子类实现）；
• plot_training_labels：绘制训练标签（由子类实现）；
• plot_metrics：绘制训练指标图表；
• on_plot：注册绘图，用于回调函数。

---

参考链接

无

感谢

深知不易
感谢自己
！！！