使用yolov8快速训练自己的数据集_yolov8怎么训练

1、 首先使用conda 创建虚拟环境

conda create -n yolov8 python= 3.8
1

2、安装yolov8

方法一、

 pip install ultralytics
1

如果网络不行使用方法二、

git clone https://github.com/ultralytics/ultralytics
cd ultralytics
pip install -e .

1
2
3
4

git clone 下载不下来，就去官网下载zip， 然后解压。

3、

检测图片看一下效果

yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'
1

训练coco128的方法，运行下面代码即可

from ultralytics import YOLO

# 加载模型
model = YOLO("yolov8n.yaml")  # 从头开始构建新模型
model = YOLO("yolov8n.pt")  # 加载预训练模型（建议用于训练）

# 使用模型
model.train(data="coco128.yaml", epochs=3)  # 训练模型
metrics = model.val()  # 在验证集上评估模型性能
results = model("https://ultralytics.com/images/bus.jpg")  # 对图像进行预测
success = model.export(format="onnx")  # 将模型导出为 ONNX 格式

1
2
3
4
5
6
7
8
9
10
11
12
13

4.1、训练自己的数据集

数据集的怎么制作这里就不在讲解了，我使用的是自己的数据集，由于不想把数据集复制一份浪费空间，所以使用了软链接，一下就是我使用软连接实现的数据集训练，建议大家训练时数据集使用软链接。

我的数据集是VOC格式的，已经在yolov5里转换为yolo格式。

ln -s  /home/sdxx/magic/Yolov5/data  /home/sdxx/magic/ultralytics/data
1

4.2、在ultralytics目录下创建myyaml.yaml文件

path: /home/sdxx/magic/Yolov5/data   
train: train.txt 
val: val.txt 
test: test.txt  

# Classes
nc: 1  # number of classes
names: ["cat"]  # class names

1
2
3
4
5
6
7
8
9

4.3、 创建myyaml.py文件

from ultralytics import YOLO

# 加载模型
#model = YOLO("yolov8n.yaml")  # 从头开始构建新模型
model = YOLO("yolov8n.pt")  # 加载预训练模型（建议用于训练）

# 使用模型
model.train(data="cpvoc.yaml", epochs=300, batch=-1)  # 训练模型
1
2
3
4
5
6
7
8

4.4 输入python myyaml.py 就可以训练了