YOLOv8 保姆级教程(训练自己的数据集) |
您所在的位置:网站首页 › memoq小白教程 › YOLOv8 保姆级教程(训练自己的数据集) |
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 目录 一、环境配置 1.建好环境后,安装pytorch 2.接下来安装依赖包 如果你需要修改代码,那就有点麻烦了,这篇文章介绍怎么使用,如何修改后面再讲。 二、数据集准备 三、效果演示 到这里最基础参数就配置成功了。 验证 需要注意的是需要把mode改为val,然后Train settings中的model参数修改为你训练保存的模型文件,如下:编辑 推理 结果如下 一、环境配置首先推荐使用anaconda作为你的python环境,接下来的演示为pycharm 已经学习到了YOLOv8,就默认大家都不是小白了。 anaconda 的安装可以参考最新Anaconda安装-保姆级教程_陈子迩的博客-CSDN博客 conda create -n YOLOv8 python=3.8 #创建YOLOv8的环境 conda activate YOLOv8 #激活环境 1.建好环境后,安装pytorch我这里提供两个选择,看自己的电脑适配哪个 CUDA 11.6 pip install torch==1.12.0+cu116 torchvision==0.13.0+cu116 --extra-index-url https://download.pytorch.org/whl/cu116 -i https://pypi.tuna.tsinghua.edu.cn/simple CUDA 11.3pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 --extra-index-url https://download.pytorch.org/whl/cu113 -i https://pypi.tuna.tsinghua.edu.cn/simple torch的版本最好==1.12.0+ 2.接下来安装依赖包 pip install ultralytics #YOLOv8高度集成,如果你仅仅只是为了使用,只需要这一个包即可,超级方便。如果你的电脑有多个 requirements.txt 你需要在相关的目录下进行安装 pip install -r requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple/ 如果你需要修改代码,那就有点麻烦了,这篇文章介绍怎么使用,如何修改后面再讲。 二、数据集准备准备一份YOLO系列的数据集,这里就不演示voc转txt了,自己准备一个现成的就好。 如果玩过YOLOv5 的,数据集直接可以拿来用。 数据集放在YOLOv8的大目录下 data.yaml文件放在如图目录下
yaml 的格式可以仿照YOLOv8里的coco.yaml 也是沿用YOLOv5的格式,亲测没有问题。 三、效果演示打开pycharm,导入环境,打开项目 ultralytics/cfg/default.yaml 按照路径找到default.yaml,版本迭代的原因,可能路径会不一样。 下面是相关参数,可以了解一下
task按自己需要,检测,分类,分割都可以 mode:看你当下是要训练还是验证或者预测 model:yolov8n.pt,或者yolov8n.yaml 如果是yaml就是从零开始训练 data:填写你的训练集的yaml文件名 works:最好设置为0 部分人可能会报错 到这里最基础参数就配置成功了。接下来 打开pycharm的终端,就是最底下的一行 选择这一个 在终端输入以下代码其中yolo cfg= 是固定的 后缀是default.yaml的路径 yolo cfg=ultralytics/cfg/default.yaml训练开始 验证 需要注意的是需要把mode改为val,然后Train settings中的model参数修改为你训练保存的模型文件,如下: yolo cfg=ultralytics/cfg/default.yaml验证集测试结果如下: 推理下拉找到source 输入你需要推理的图片的地址 yolo cfg=ultralytics/cfg/default.yaml结果如下
对于不需要改动YOLO的使用者来说,高度集成后的v8特别方便,简单易上手。 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |