原创文章为博主个人所有，未经授权不得转载、摘编、倒卖、洗稿或利用其它方式使用上述作品。违反上述声明者，本站将追求其相关法律责任。
这篇博文带大家玩点新的东西，也是一直以来困扰大家最大的问题—超参数调优！
之前的 YOLOv5 我使用遗传算法做过很多次调优，实验一跑就是几天，实验成本非常昂贵，
这篇博文介绍的方法来自于 YOLOv8 官方的仓库，也是这两天刚刚提出的新方法，我已经做过了实验，效果还可以，但实验成本太高了😭
我劝大家还是 量算力而为 ，没有算力就别搞这种大规模的参数调优了，自己调调学习率就行了，下面给大家介绍 YOLOv8 的超参数调优方法。
这篇博文用到的调参库叫 Ray Tune，Ray Tune 是一个专为提高效率和灵活性而设计的超参数调优库。它支持各种搜索策略、并行处理以及提前停止策略，并且可以与流行的机器学习框架无缝集成
0. 什么是超参数？
首先还是介绍点基础，免得有些刚入门的同学不懂，
机器学习模型中有两类参数：
-
一类需要从数据中学习和估计得到，称为模型参数
(Parameter)—即
