【YOLO】YOLOv8训练自定义数据集（4种方式）_yolov8训练自己的数据集

TensorRT模型部署可查看：Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署

YOLOv8 出来一段时间了，继承了分类、检测、分割，本文主要实现自定义的数据集，使用 YOLOV8 进行检测模型的训练和使用

YOLOv8 此次将所有的配置参数全部解耦到配置文件 default.yaml，不再类似于 YOLOv5，一部分在配置文件，一部分在 train.py 中

1. 运行环境

windows11 和 Ubuntu20.04（建议使用 Linux 系统）

首先切换到自己建立的虚拟环境安装 pytorch

torch              1.12.0+cu116（根据自身设备而定）
torchvision        0.13.0+cu116（根据自身设备而定）
1
2

安装完成后，使用 git 命令将源码克隆下来

git clone https://github.com/ultralytics/ultralytics.git
1

参照官网，直接使用以下语句即可导入项目所需要的库

pip install ultralytics
1

根据官方的解释，pip 的 ultralytics 库包含了 requirements.txt中的所有库

2. 自定义数据集

我自己准备了一批 熊猫、老虎的图片作为实验数据集，文件夹命名为 data （文件路径：/home/mango/ultralytics/data），对数据集进行划分后的文件夹整体目录结构如下

images 下包含 train、val 文件夹，这两个文件夹下包含此次需要的 图片信息
labels 下包含 train、val 文件夹，这两个文件夹下包含此次需要的 对应图片的标注信息
test_images 下包含的是提供测试的数据集

ps：数据集形式共有3种，可根据自己实际情况采用

1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
1

3. 模型训练（四种方式）

首先在 data 文件夹下新建一个数据加载配置文件 animal.yaml

train: /home/mango/ultralytics/data//images/train
val: /home/mango/ultralytics/data/images/val
# number of classes
nc: 2
# class names
names: ['panda', 'tiger']
1
2
3
4
5
6

接下来就可以准备开始训练了
打开终端，进入虚拟环境，进入yolov8的文件夹，
考虑到命令行模式下下载模型可能有点慢，所以先在官方仓库下载好模型，并放入新建的 weights （文件路径：/home/mango/ultralytics/weights）目录下

YOLOv8模型仓库

(1) 第一种方式（参数重写）

参数很多，建议查看 官方文档

下面是yolov8官方给定的命令行训练/预测/验证/导出方式：

yolo task=detect    mode=train    model=yolov8n.pt        args...
          classify       predict        yolov8n-cls.yaml  args...
          segment        val            yolov8n-seg.yaml  args...
                         export         yolov8n.pt        format=onnx  args...
1
2
3
4

最后输入以下命令即可开始训练（参数很多可以修改，建议查看 官方文档，或者查看/home/mango/ultralytics/ultralytics/yolo/cfg下的 default.yaml 文件）

yolo task=detect mode=train model=weights/yolov8n.pt data=data/animal.yaml batch=16 epochs=50 imgsz=640 workers=16 device=0
1

可以看到已经成功开始训练，运行生成的权重、混淆矩阵等信息存在于/home/mango/ultralytics/runs 下面

(2) 第二种方式（重写配置文件）

可以新建一个配置文件，例如：demo.yaml，参数配置内容从 /home/mango/ultralytics/ultralytics/yolo/cfg/default.yaml 复制即可

或者使用命令行

yolo copy-cfg
1

它会自动生成一个 default_copy.yaml (目录地址：/home/mango/ultralytics/default_copy.yaml)

截取的部分参数信息如下：

# 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/从前慢现在也慢/article/detail/93779