YOLOv8：如何规范正确地指定数据增强参数？

直接在代码里传参就行（不用碰data.yaml） #

不管是训练还是预测，都能直接在调用模型方法的时候把数据增强参数作为关键字参数传进去，完全不用和data.yaml绑定。

训练场景示例 #

比如要调翻转、马赛克这些增强的参数，代码这么写：

from ultralytics import YOLO

# 加载预训练模型
model = YOLO('yolov8n.pt')

# 训练时直接把增强参数写在这里
results = model.train(
    data='你的数据集路径.yaml',
    flipud=0.5,  # 上下翻转的概率
    fliplr=0.5,  # 左右翻转的概率
    mosaic=1.0,  # 开启动态马赛克增强的概率
    scale=0.5,   # 图像缩放的幅度范围
    perspective=0.001,  # 透视变换的概率
    epochs=50,
    batch=16
)

预测/推理场景示例 #

如果是测试阶段要开增强（比如TTA测试时增强），同样直接传参数：

results = model.predict(
    source='测试图片文件夹/',
    augment=True,  # 开启测试时增强
    flipud=0.5,
    fliplr=0.5
)

参数不用单独存配置文件 #

你之前看的官方文档里提到的那些增强参数，不需要存到任何额外配置文件，直接在调用model.train()或者model.predict()的时候当关键字参数传进去就生效，完美实现和data.yaml分离的需求。

你找到的评论区内容里的设置逻辑也是一样的——都是通过Python SDK的API直接传参覆盖默认配置，不用改任何yaml文件。

内容的提问来源于stack exchange，提问作者josh_albiez