YOLOv8 保姆级教程（训练自己的数据集）_yolov8训练

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

目录

一、环境配置

1.建好环境后，安装pytorch

2.接下来安装依赖包

如果你需要修改代码，那就有点麻烦了，这篇文章介绍怎么使用，如何修改后面再讲。

二、数据集准备

三、效果演示

到这里最基础参数就配置成功了。

 验证

需要注意的是需要把mode改为val，然后Train settings中的model参数修改为你训练保存的模型文件，如下：​编辑

 推理

 结果如下

---

一、环境配置

首先推荐使用anaconda作为你的python环境，接下来的演示为pycharm

已经学习到了YOLOv8，就默认大家都不是小白了。

anaconda 的安装可以参考最新Anaconda安装-保姆级教程_陈子迩的博客-CSDN博客

conda create -n YOLOv8 python=3.8  #创建YOLOv8的环境
 
conda activate YOLOv8   #激活环境
 
 

1.建好环境后，安装pytorch

我这里提供两个选择，看自己的电脑适配哪个
CUDA 11.6
pip install torch==1.12.0+cu116 torchvision==0.13.0+cu116 --extra-index-url https://download.pytorch.org/whl/cu116 -i https://pypi.tuna.tsinghua.edu.cn/simple
CUDA 11.3pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 --extra-index-url https://download.pytorch.org/whl/cu113 -i https://pypi.tuna.tsinghua.edu.cn/simple

torch的版本最好==1.12.0+

2.接下来安装依赖包

 pip install ultralytics     #YOLOv8高度集成，如果你仅仅只是为了使用，只需要这一个包即可，超级方便。

 如果你的电脑有多个 requirements.txt  你需要在相关的目录下进行安装

pip install -r requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple/

如果你需要修改代码，那就有点麻烦了，这篇文章介绍怎么使用，如何修改后面再讲。

二、数据集准备

准备一份YOLO系列的数据集，这里就不演示voc转txt了，自己准备一个现成的就好。

如果玩过YOLOv5 的，数据集直接可以拿来用。

 数据集放在YOLOv8的大目录下

data.yaml文件放在如图目录下

 

 yaml 的格式可以仿照YOLOv8里的coco.yaml 也是沿用YOLOv5的格式，亲测没有问题。

三、效果演示

打开pycharm，导入环境，打开项目

ultralytics/cfg/default.yaml 按照路径找到default.yaml，版本迭代的原因，可能路径会不一样。

下面是相关参数，可以了解一下

 

 task按自己需要，检测，分类，分割都可以

mode：看你当下是要训练还是验证或者预测

model：yolov8n.pt,或者yolov8n.yaml     如果是yaml就是从零开始训练

data：填写你的训练集的yaml文件名

works：最好设置为0 部分人可能会报错

到这里最基础参数就配置成功了。

接下来 打开pycharm的终端，就是最底下的一行

 选择这一个

 在终端输入以下代码其中yolo cfg=  是固定的

后缀是default.yaml的路径

yolo cfg=ultralytics/cfg/default.yaml 

 训练开始

 验证

需要注意的是需要把mode改为val，然后Train settings中的model参数修改为你训练保存的模型文件，如下：

yolo cfg=ultralytics/cfg/default.yaml 

验证集测试结果如下：

 推理

下拉找到source 输入你需要推理的图片的地址

yolo cfg=ultralytics/cfg/default.yaml 

 

 结果如下

 

 对于不需要改动YOLO的使用者来说，高度集成后的v8特别方便，简单易上手。