基于YOLOv8的自制猫狗数据集训练与推理教程_yolov8猫狗

作者：weixin_40725706 | 2024-07-21 04:32:21

踩

yolov8猫狗

Yolov8为ultralytics公司在2023年1月10号开源的一个重大更新版本，目前支持图像分类、物体检测和实例分割任务，在还没有开源时就收到了用户的广泛关注，考虑到YOLOv8的优异性能，本次教程从训练到推理进行了全面的讲解。
在这里插入图片描述

在进行模型训练之前，首先需要一个性能优异的云服务器，在云服务器上可以省去环境配置这一步骤，登录https://liandanxia.com/consoleIndex，进入炼丹侠官网，在页面顶端导航栏找到算力市场，之后选择合适的算力卡进行租用。
在这里插入图片描述

根据个人任务需求，选择合适的时长以及镜像环境之后点击确定创建，完成之后页面自动跳转至炼丹侠控制台。
在这里插入图片描述

在炼丹侠控制台内显示了刚才购买的实例信息，通过远程连接软件将ip、端口、用户名和密码正确输入后，即可完成服务器远程连接。
在这里插入图片描述

在当前服务器内查看显卡性能信息，执行nvidia-smi命令，可见当前服务器搭载了一张A100 80GB的GPU卡。
在这里插入图片描述

服务器连接成功之后去YOLOv8的官网进行源码下载，官网链接如下：https://github.com/ultralytics/ultralytics。
在这里插入图片描述

将下载的压缩包上传到服务器内并进行解压，解压后进入目录内，如图
在这里插入图片描述

之后需要准备需要训练的数据集，例如本次训练的为猫狗识别模型，则训练集和验证集中包含了大量猫和狗的图片
在这里插入图片描述

图像标注采用labelimg，labelimg工具可通过pip进行安装，具体安装命令为pip install labelimg，安装结束后在终端输入labelimg即可打开当前界面，选择输入文件夹和输出文件夹，将标注模式改为yolo，按W可对图像进行框选并分类。
在这里插入图片描述

回到服务器内，在ultralytics的主目录内，新建一个名为data.yaml的配置文件，配置文件内容如下，需要指定train和val数据集的路径，之后的nc代表当前是需要识别几个类，因为本次任务为猫狗识别，因此nc为2，之后的names为一个数组，数组内的内容为识别的内容，此处填写的识别内容需与标注时的标签一致。
在这里插入图片描述

之后来到ultralytics下的ultralytics/yolo/config目录下，如图，修改当前目录下的default.yaml
在这里插入图片描述

Mode可选train,val,predict,export等，此处选择训练模式，model指定yolov8n.pt,该文件可在yolov8的github页内进行下载，之后指定迭代次数、图像大小、device，其中device写0代表采用第一张显卡进行训练、写0,1代表用第1张和第2张同时训练，如当前服务器无GPU，可选cpu。
在这里插入图片描述

所有配置完成后，输入pip install ultralytics安装好对应的包，之后输入yolo cfg=ultralytics/yolo/config/default.yaml命令，等待一段时间后训练自动开始，之后等待训练结束即可。
在这里插入图片描述

训练结束后模型文件保存路径如下，其中包括两个文件，best.pt和last.pt，best.pt记录了训练过程中准确率最高的一次所适配的参数，last.pt记录了最后一次迭代过程中的参数。之后将文件从服务器下载到本机。
在这里插入图片描述

在本机可调用摄像头，通过ultralytics提供的推理方法进行模型推理
在这里插入图片描述

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/weixin_40725706/article/detail/859641