devbox
IT小白
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

yolov8用法及源码解析 (按照训练流程进行梳理）_yolov8训练代码

作者：IT小白 | 2024-03-23 22:58:53

赞

踩

yolov8训练代码

这里使用python环境训练而不使用ultralytics包，内容参考docs.ultralytics

1.首先建立一个训练的文件

  1. from ultralytics import YOLO
  2.  
  3. # 建议添加一个main作为程序入口，可以避免某些多线程报错
  4. if __name__ == '__main__':
  5.  
  6.     ## 加载模型（三选一）
  7.     # 1.使用配置文件构建模型
  8.     model = YOLO("yolov8n.yaml")  # build a new model from scratch
  9.     # 2.使用预训练模型构建
  10.     model = YOLO("yolov8n.pt")  # load a pretrained model (recommended for training)
  11.     # 3.使用预训练模型
  12.     model = YOLO('yolov8n.yaml').load('yolov8n.pt')  # 从配置构建并传递权重#
  13.  
  14.     ## 使用模型
  15.  
  16.     # 训练,可以传入的传参参考ultralytics/cfg/default.yaml里面的Train settings部分
  17.     model.train(data="coco128.yaml", epochs=3)  # train the model
  18.  
  19.     # 评估
  20.     metrics = model.val()  # evaluate model performance on the validation set
  21.  
  22.     # 推理，可以传入的传参参考ultralytics/cfg/default.yaml里面的Prediction settings部分
  23.     results = model("https://ultralytics.com/images/bus.jpg")  # predict on an image
  24.     # 导出onnx格式模型文件
  25.     path = model.export(format="onnx")  # export the model to ONNX format

2.加载模型部分解析

2.1使用配置文件加载

model = YOLO("yolov8n.yaml")，会从Model中的_new方法构建模型

  1.     # 根据yaml配置文件初始化一个模型
  2.     def _new(self, cfg: str, task=None, model=None, verbose=True):
  3.         """
  4.         Initializes a new model and infers the task type from the model definitions.
  6.         Args:
  7.             cfg (str): model configuration file
  8.             task (str | None): model task
  9.             model (BaseModel): Customized model.
  10.             verbose (bool): display model info on load
  11.         """
  12.         cfg_dict = yaml_model_load(cfg)     # 加载yaml配置文件
  13.         self.cfg = cfg      # self.cfg存储模型配置文件路径
  14.  
  15.         # 如果传入的任务类型参数不为空，则将其赋值给实例变量task；调用guess_model_task函数从模型配置文件中head或文件名猜测任务类型
  16.         self.task = task or guess_model_task(cfg_dict)
  17.         # model为none，执行smart_load方法返回任务模型的类(ClassificationModel/DetectionModel等)
  18.         model = model or self.smart_load('model')
  19.         # 使用模型配置字典,verbose和RANK实例化上行任务模型的类。verbose是日志显示
  20.         self.model = model(cfg_dict, verbose=verbose and RANK == -1)  # build model
  21.         # 将配置文件路径保存到self.overrides字典中
  22.         self.overrides['model'] = self.cfg
  23.  
  24.         # Below added to allow export from yamls
  25.         # 将默认配置文件ROOT / 'cfg/default.yaml'参数字典与self.overrides字典合并,即为default.yaml中的model赋值了。
  26.         args = {**DEFAULT_CFG_DICT, **self.overrides}  # combine model and default args, preferring model args
  27.         # 给实例化的self.model添加args属性，args为一个配置参数的字典
  28.         self.model.args = {k: v for k, v in args.items() if k in DEFAULT_CFG_KEYS}  # attach args to model
  29.         # 给实例化的self.model添加task属性
  30.         self.model.task = self.task

2.2使用预训练模型加载

model = YOLO("yolov8n.pt")，会从Model中的_load方法构建模型。

  1.     # 根据.pt权重文件初始化一个模型
  2.     def _load(self, weights: str, task=None):
  3.         """
  4.         Initializes a new model and infers the task type from the model head.
  6.         Args:
  7.             weights (str): model checkpoint to be loaded
  8.             task (str | None): model task
  9.         """
  10.         # 获取weights文件后缀名
  11.         suffix = Path(weights).suffix
  12.         # 如果是.pt，调用attempt_load_one_weight(weights)方法尝试加载该模型
  13.         if suffix == '.pt':
  14.             self.model, self.ckpt = attempt_load_one_weight(weights)
  15.             # 从模型参数中获取任务类型 self.task，（eg：detect）
  16.             self.task = self.model.args['task']
  17.             # 调用_reset_ckpt_args方法保存{“data”：值,"imgsz":值,"single_cls":值 ,"task":值}到self.overrides字典和更新self.model.args
  18.             self.overrides = self.model.args = self._reset_ckpt_args(self.model.args)
  19.             # 模型路径赋值给self.ckpt_path
  20.             self.ckpt_path = self.model.pt_path
  21.         # 不是“.pt”后缀的权重文件
  22.         else:
  23.             # 检查文件是否存在，如果不存在，则尝试下载或查找文件，返回文件路径。
  24.             weights = check_file(weights)
  25.             self.model, self.ckpt = weights, None
  26.             # 调用guess_model_task从文件名推测任务名
  27.             self.task = task or guess_model_task(weights)
  28.             # 权重文件路径赋值给self.ckpt_path
  29.             self.ckpt_path = weights
  30.  
  31.         # 模型路径 weights 和任务类型 self.task 分别存储在 self.overrides字典中
  32.         self.overrides['model'] = weights
  33.         self.overrides['task'] = self.task

 2.3从配置文件构建模型并传递权重

model = YOLO('yolov8n.yaml').load('yolov8n.pt') ，会从Model中的_new方法构建模型，并调用load方法将.pt文件模型参数加载到模型中。

  1.     @smart_inference_mode()
  2.     def load(self, weights='yolov8n.pt'):
  3.         # 将指定权重文件中的参数加载到模型中。使用eg:model = YOLO('yolov8n.yaml').load('yolov8n.pt')构建模型时用到
  4.         """
  5.         Transfers parameters with matching names and shapes from 'weights' to model.
  6.         """
  7.         # 检查self.model 是PyTorch 模型
  8.         self._check_is_pytorch_model()
  9.  
  10.         # 如果传入的 weights 参数是字符串路径或 Path 对象，
  11.         # 则调用 attempt_load_one_weight 方法尝试加载单个权重文件。
  12.         # 将加载后的模型赋值给 weights，并将当前模型的相关信息(epoch,best_fitness,model,ema,train_args...)赋值给 self.ckpt。
  13.         if isinstance(weights, (str, Path)):
  14.             weights, self.ckpt = attempt_load_one_weight(weights)
  15.         # 将weights中与self.model模型参数名称和形状匹配的参数加载到模型中
  16.         self.model.load(weights)
  17.         return self

流程详解 

程序进入ultralytics/models/yolo/model.py的YOLO类中执行初始化，继承Model类

  1. # Ultralytics YOLO 声明：本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：【wpsshop博客】
    推荐阅读
    相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。