YOLO 训练怎么调参：先看清曲线，再动超参
训练效果不好时，多数人的第一反应是改学习率。其实更该先看图：Loss 震荡说明什么、mAP 提前平台意味着什么、什么时候该停。这篇讲 Easy Trainer Station 的观察方式，以及几条少走弯路的调参顺序。
调参的本质是「通过现象反推原因」。看曲线是成本最低的一步，但前提是你知道该看什么。
Easy Trainer Station 目前处于研发中，下面讲的是它围绕的观察方法与调参顺序，命令行训练同样适用。
一、先看三条曲线
- 训练 Loss：持续下降是正常；剧烈震荡通常是学习率过大或 batch size 太小。
- 验证 Loss：开始上升而训练 Loss 继续下降，是过拟合的典型形状。
- mAP@0.5 与 mAP@0.5:0.95：后者停滞而前者还在涨，说明定位精度是瓶颈，不是分类。
二、再看数据增强是不是「过头」
增强开得猛，训练前期会明显更慢。如果训练 Loss 长时间高居不下、验证集反而正常，先怀疑增强强度，而不是模型容量。
三、然后才是超参
建议顺序：
- 学习率 — 只动这一项，其余固定，跑 20 个 epoch 看趋势。
- batch size — 受显存限制，先用能跑的最大值，再考虑梯度累积。
- 输入分辨率 — 小目标多就往上调，但推理成本同步上升，要和部署设备对齐。
- 模型规模 — 最后再换 backbone，因为它同时改变精度和速度。
一次只动一个变量，否则结果无法归因。
四、什么时候该停
早停不是「差不多了就停」，而是看验证指标多久没改善。留一份从未参与训练的测试集做最终确认，避免在验证集上反复调参导致的乐观偏差。
五、把历史留住
同一份数据、不同参数跑出来的模型，如果没有记录，一周后就分不清哪个是哪个。训练历史、权重文件、实验备注要一起管，这也是把训练搬到界面里的主要理由：这次比上次好在哪，要能查到。
产品进展见 Easy Trainer Station 产品页。