yolov8服务器自定义训练_服务器跑yolov8

学习记录

autoDL服务器训练YOLOV8

---

---

前言

使用autoDL服务器自定义训练yolov8

---

一、获取autoDL服务器

网址：autoDL
根据需求购买设备(建议选择4/4这种没人租用的，可以独自使用硬盘和cpu，训练速度更快)

自选环境：

从右上角控制台进入购买的实例：

二、通过finalShell连接服务器

下载地址：finalShell

下载安装包时，将该网址加入设置>>Cookie和网站权限>>不安全的内容>>添加入允许，不然可能会下载不了。
安装过程简单略过
连接：

复制登陆指令到备注，名称随便写，主机复制@后面的部分进去，端口为root前面的数字。用户名为@前面的字符root，密码为登录指令下的密码。
下面是进入后的界面：

在autoDL实例中点击jupyterlab进入

在autoDL的帮助文档中有基本的教程，大部分问题都有解决案例。
首先设置学术资源加速：
终端输入source /etc/network_turbo
获取ultralytics：(灰色命令为用户输入指令)

root@autodl-container-239b4eb167-0f5fb76f:~# source /etc/network_turbo
设置成功
root@autodl-container-239b4eb167-0f5fb76f:~# ls
autodl-pub  autodl-tmp  miniconda3  tf-logs
root@autodl-container-239b4eb167-0f5fb76f:~# cd autodl-tmp
root@autodl-container-239b4eb167-0f5fb76f:~/autodl-tmp# git clone https://github.com/ultralytics/ultralytics.git
Cloning into 'ultralytics'...
remote: Enumerating objects: 16392, done.
remote: Counting objects: 100% (107/107), done.
remote: Compressing objects: 100% (90/90), done.
remote: Total 16392 (delta 49), reused 47 (delta 17), pack-reused 16285
Receiving objects: 100% (16392/16392), 8.74 MiB | 5.47 MiB/s, done.
Resolving deltas: 100% (11359/11359), done.
root@autodl-container-239b4eb167-0f5fb76f:~/autodl-tmp# pip install ultralytics
1
2
3
4
5
6
7
8
9
10
11
12
13
14

用户使用数据一般放在autodl-tmp目录中。

三、训练yolov8

可以通过finalshell图形化界面直接拖动训练数据进入服务器开始训练。

helmet文件即训练训练数据。
convert文件是格式转换代码，目的是将xml转为yolo的txt，并划分数据集

通过jupyterlab中的终端运行代码：

root@autodl-container-239b4eb167-0f5fb76f:~/autodl-tmp# cd convert
root@autodl-container-239b4eb167-0f5fb76f:~/autodl-tmp/convert# ls
split.py  test.py  xml2yolo.py
root@autodl-container-239b4eb167-0f5fb76f:~/autodl-tmp/convert# python xml2yolo.py
1
2
3
4

注意转换路径
xml2yolo:

# -*- coding: utf-8 -*-

from xml.dom import minidom
import os
import glob

lut = {
    'Without Helmet': 0,
    'With Helmet': 1
}


def convert_coordinates(size, box):
    dw = 1.0 / size[0]
    dh = 1.0 / size[1]
    x = (box[0] + box[1]) / 2.0
    y = (box[2] + box[3]) / 2.0
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return (x, y, w, h)


def convert_xml2yolo(lut):
    for fname in glob.glob("..\helmet/annotations/*.xml"):

        xmldoc = minidom.parse(fname)
        fname_out = ('..\helmet\labels/' + os.path.basename(fname).split('.')[0] + '.txt')

        with open(fname_out, "w") as f:

            itemlist = xmldoc.getElementsByTagName('object')
            size = xmldoc.getElementsByTagName('size')[0]
            width = int((size.getElementsByTagName('width')[0]).firstChild.data)
            height = int((size.getElementsByTagName('height')[0]).firstChild.data)

            # if len(itemlist) == 0:
            #     print(fname_out)
            # if width > 1000:
            #     print(fname_out)

            for item in itemlist:
                # get class label
                classid = (item.getElementsByTagName('name')[0]).firstChild.data
                if classid in lut:
                    label_str = str(lut[classid])
                else:
                    label_str = "-1"
                    print("warning: label '%s' not in look-up table" % classid)

                # get bbox coordinates
                xmin = ((item.getElementsByTagName('bndbox')[0]).getElementsByTagName('xmin')[0]).firstChild.data
                ymin = ((item.getElementsByTagName('bndbox')[0]).getElementsByTagName('ymin')[0]).firstChild.data
                xmax = ((item.getElementsByTagName('bndbox')[0]).getElementsByTagName('xmax')[0]).firstChild.data
                ymax = ((item.getElementsByTagName('bndbox')[0]).getElementsByTagName('ymax')[0]).firstChild.data
                b = (float(xmin), float(xmax), float(ymin), float(ymax))
                bb = convert_coordinates((width, height), b)
                # print(bb)

                f.write(label_str + " " + " ".join([("%.6f" % a) for a in bb]) + '\n')

        # print("wrote %s" % fname_out)


def main():
    convert_xml2yolo(lut)


if __name__ == '__main__':

    main()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74

split:

# coding:utf-8

import os
import random
import argparse

parser = argparse.ArgumentParser()
#xml文件的地址
parser.add_argument('--xml_path', default=r'../helmet/annotations', type=str, help='input xml label path')
#数据集的划分
parser.add_argument('--txt_path', default='../helmet', type=str, help='output txt label path')
opt = parser.parse_args()

trainval_percent = 1.0  # 训练集和验证集所占比例。 这里没有划分测试集
train_percent = 0.9     # 训练集所占比例，可自己进行调整
xmlfilepath = opt.xml_path
txtsavepath = opt.txt_path
total_xml = os.listdir(xmlfilepath)
if not os.path.exists(txtsavepath):
    os.makedirs(txtsavepath)

num = len(total_xml)
list_index = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list_index, tv)
train = random.sample(trainval, tr)

file_trainval = open(txtsavepath + '/trainval.txt', 'w')
file_test = open(txtsavepath + '/test.txt', 'w')
file_train = open(txtsavepath + '/train.txt', 'w')
file_val = open(txtsavepath + '/val.txt', 'w')

for i in list_index:
    name = '../helmet/images/' + total_xml[i][:-4] + '.jpg' + '\n'
    if i in trainval:
        file_trainval.write(name)
        if i in train:
            file_train.write(name)
        else:
            file_val.write(name)
    else:
        file_test.write(name)

file_trainval.close()
file_train.close()
file_val.close()
file_test.close()

def conv():
    for img_name in os.listdir(r"../helmet/images"):
        path = os.path.join(r"../helmet/images", img_name)
        os.rename(path, path[: -4] + '.jpg')
conv()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54

生成结果：（本项目只需要train.txt和val.txt）

在路径autodl-tmp/ultralytics/ultralytics/cfg/datasets/创建数据集helmet.yaml文件（注意修改路径）：

# Ultralytics YOLO 
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，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：https://www.wpsshop.cn/w/Monodyee/article/detail/669472