YOLO 从0开始最详细教程包括环境安装+如何准备自己的数据集+训练自己的数据集+推理

（花好人家）成熟稳重的男人

已于 2025-03-13 14:37:59 修改

阅读量1.6k

点赞数 31

分类专栏： YOLO 文章标签： YOLO python 深度学习人工智能机器学习目标检测

于 2025-03-13 11:21:49 首次发布

本文链接：https://blog.csdn.net/2302_78760410/article/details/146179869

版权

YOLO 专栏收录该内容

1 篇文章

订阅专栏

一、环境的安装

想要训练和自己的数据集和利用模型进行推理，首先要确保自己电脑上已经安装Anconda+cuda+cudnn+pycharm如果已经有可以跳过这一步

Anaconda，中文大蟒蛇，是一个开源的Anaconda是专注于数据分析的Python发行版本，在这里主要使用它的包管理器conda。
CUDA(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。而cuDNN是用于深度神经网络的GPU加速库

1. Anaconda的下载和安装

方式一：官网下载

官网链接：https://www.anaconda.com/download/success
在这里插入图片描述

方式二：清华镜像下载

如果官网下载不了或者下载的比较慢可以使用下面的链接进行下载
下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
在这里插入图片描述
找到自己想要下载的版本即可
下载成功后双击打开安装包，然后一直下一步
安装成功后最关键的地方来了，配置环境变量
首先在电脑搜索框中搜索环境变量然后依次按图中标的地方打开

在这里插入图片描述

在这里插入图片描述

到这里进入环境变量页面后只需新建找到自己的安装目录把下面几个文件夹路径添加进去点击确定保存即可注意把C:\ProgramData 改为自己的实际安装路径
C:\ProgramData\Anaconda3
C:\ProgramData\Anaconda3\Scripts
C:\ProgramData\Anaconda3\Library\bin
C:\ProgramData\Anaconda3\Library\mingw-w64\bin
之后输入 win+R 输入cmd 打开命令窗输入 conda info 即可查看自己是否安装并配置环境比变量成功

在这里插入图片描述

2. cuda 和cudnn 安装

首先还是win+R 输入cmd 打开命令窗之后输入 nvidia-smi查询可支持的最高cuda版本，驱动是向下兼容的，所以我推荐安装12.1 版本的就行

在这里插入图片描述

首先还是win+R 输入cmd 打开命令窗之后输入 nvidia-smi查询可支持的最高cuda版本，驱动是向下兼容的，所以我推荐安装12.1 版本的就行

在这里插入图片描述

cuda的安装

双击安装包安装然后一直下一步，需要注意的地方是安装选项的时候不要选精简要选择自定义，然后取消勾选下图中的几个选项
在这里插入图片描述

在这里插入图片描述

安装完成后打开环境变量界面查看环境变量是否安装成功如果没有则手动安装

在这里插入图片描述

变量如下：

CUDA_PATH_V12_1填自己的cuda版本号，比如你是cuda12.3改成CUDA_PATH_V12_3
CUDA_PATH
CUDA_PATH_V12_1
值的话修改成自己的路径。
之后打开命令窗输入nvcc -V 命令如果输出版本号则代表成功安装

在这里插入图片描述

cudnn的安装

下载地址
https://developer.nvidia.com/rdp/cudnn-archive
下载可能会需要注册账号随便注册一个就行,然后找到跟自己cuda对应的版本

在这里插入图片描述
下载之后是一个压缩包，解压下来然后把里面的文件全部复制，粘贴到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1的文件夹.V12.1 是我安装的版本号，你的可能跟这个有点差别

3.创建虚拟环境

3.1创建虚拟环境

搜索Anaconda Prompt 打开第一个

在这里插入图片描述

在打开的终端中输入如下指令创建虚拟环境并指定python版本，其中your_env_name为你要创建得环境名称，在创建过程中出现Proceed 直接在？后打y 然后按回车

conda create -n your_env_name python=3.8

3.2 激活虚拟环境

输入如下命令可激活虚拟环境

conda activate your_env_name

其中 your_env_name为刚刚你创建的虚拟环境的名称

3.3 下载pytorch

pytorch 下载地址如下 https://pytorch.org/get-started/previous-versions/ ![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/7c64fad98fbb40ddbabc2abc61b5b366.png#pic_center)

选择跟自己cuda 对应的pytorch版本不建议下载的pytorch版本过新，我这里由于我的cuda是v12.1，所以我这里就以跟cuda12.1 对应的pytorch演示

conda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=12.1 -c pytorch -c nvidia

二、YOLO的使用

1.拉取源码

训练之前首先要拉取项目的源码，拉取源码有两种方式，第一种是直接用pip 下载安装包含所有依赖项的 ultralytics 包，第二种就是从GitHub上下载源码
后续操作都以第一种演示，因为里面很多配置文件都可以改了直接用，免去自己创建的过程了

1.1 PIP下载依赖包

如果你想使用pip 下载的话在你的虚拟环境中输入以下指令

pip install ultralytics

需要注意的是pip 和官方拉取的都是最新的V11如果你想使用其他版本如V8 ，可以使用以下指令

pip install ultralytics==8.2.95

如果下载卡顿或者中断可以换成国内的源


pip install ultralytics==8.2.95 -i https://mirrors.aliyun.com/pypi/simple/

1.2 GitHub拉取源码

点击此处去GitHub拉取项目

下载解压之后在pycharm打开
如果你想在GitHub拉取V8的源码，可以点击下方链接

V8的源码

在这里插入图片描述

因为是直接拉取的项目所以还需要手动输入下方指令下载依赖项

pip install tqdm -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip uninstall pillow 
pip install pillow==6.2.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install psutil -i https://mirrors.aliyun.com/pypi/simple/ 
pip install opencv-python -i https://mirrors.aliyun.com/pypi/simple/ 
pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install scipy -i https://pypi.tuna.tsinghua.edu.cn/simple/

2.准备数据集

2.1 使用官方给出的数据集

你可以选择使用官方给出的几个示例数据集，如coco128，该数据集可以检测80个常见的物体.我们后续的操作都以官网数据集演示
下载链接
下载解压之后存放到你的项目目录，目录结构如下

├── ultralytics
└── datasets
└── coco128

在这里插入图片描述

2.2使用自己的数据集

如果你想完成指定的物体检测任务，那么你就要自己准备数据集，首先你要准备若干张想要检测的物体的图片，其次你要自己打标签，在图片上标注上这个物体是什么
打标签的话可以使用LabelImg这个软件
下载链接
下载解压之后重复重创建虚拟环境的步骤，使用conda创建一个新的虚拟环境用于下载LabelImg的依赖
当你创建并进入的新的虚拟环境之后可以使用在终端输入cd D:\S\D\labelImg-master 进入项目目录下，其中D:\S\D\labelImg-master 为你下载解压之后保存的目录。需要注意的是大部分人刚进入终端都是处于C盘目录下这时候直接输入cd 切换目录是切换不进去的应该先进入的保存项目目录的磁盘

进入项目目录下后输入下方命令下载依赖

conda install pyqt=5
conda install -c anaconda lxml
pyrcc5 -o libs/resources.py resources.qrc

//启动软件
python labelImg.py

在这里插入图片描述

如果你选择了yolo格式，那么当你打完标签之后会在你的标签文件夹生成一个class文件，这个文件要保留好配置训练文件时要用到。如果你选择了VOC格式，那么也可以使用以下代码来把VOC格式的标签转换为yolo格式的

# VOC转YOLO
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join


def convert(size, box):
    x_center = (box[0] + box[1]) / 2.0
    y_center = (box[2] + box[3]) / 2.0
    x = x_center / size[0]
    y = y_center / size[1]
    w = (box[1] - box[0]) / size[0]
    h = (box[3] - box[2]) / size[1]
    return (x, y, w, h)


def convert_annotation(xml_files_path, save_txt_files_path, classes):
    xml_files = os.listdir(xml_files_path)
    print(xml_files)
    for xml_name in xml_files:
        print(xml_name)
        xml_file = os.path.join(xml_files_path, xml_name)
        out_txt_path = os.path.join(save_txt_files_path, xml_name.split('.')[0] + '.txt')
        out_txt_f = open(out_txt_path, 'w')
        tree = ET.parse(xml_file)
        root = tree.getroot()
        size = root.find('size')
        w = int(size.find('width').text)
        h = int(size.find('height').text)

        for obj in root.iter('object'):
            difficult = obj.find('difficult').text
            cls = obj.find('name').text
            if cls not in classes or int(difficult) == 1:
                continue
            cls_id = classes.index(cls)
            xmlbox = obj.find('bndbox')
            b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
                 float(xmlbox.find('ymax').text))
            # b=(xmin, xmax, ymin, ymax)
            print(w, h, b)
            bb = convert((w, h), b)
            out_txt_f.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')


if __name__ == "__main__":
    # 需要转换的类别，需要 一一对应
    classes1 = ["people","dog","cat"]  # 修改为自己标签中的种类
    # 2、voc格式的xml标签文件路径
    xml_files1 = r'E:\data\figure\xml'
    # 3、转化为yolo格式的txt标签文件存储路径
    save_txt_files1 = r'E:\data\figure\labels'

    convert_annotation(xml_files1, save_txt_files1, classes1)

classes1 中的标签种类顺序一定要记好，后面训练数据集的时候这个顺序要用到，最后打标签的时候还是建议大家使用VOC的格式，这种格式灵活性更高，而且转成yolo格式也挺方便的

3. 加载模型

官方给出的加载模型的方式有三种

方式1：从YAML文件构建新模型

model = YOLO("yolov8n.yaml")

这种方式根据给定的yolov8n.yaml配置文件创建一个新的YOLOv8模型实例。
配置文件包含了模型架构的所有细节，比如网络层的类型、参数等。
创建的新模型默认情况下不会带有任何预训练权重，除非后续通过其他方式加载权重。
使用这种方式可以在不依赖预训练权重的情况下定义模型结。适用于需要从头开始训练的情况或者需要定制模型结构的场景。

方式2：从预训练权重构建模型

model = YOLO("yolov8n.pt")

这种方式直接加载一个预先训练好的模型，通常是.pt格式的PyTorch模型文件。
加载的模型不仅包含了模型架构信息，还包括了预训练得到的权重参数,yolov8n.pt就是训练好的能检测coco中的80个类别的模型。
这是最常用的加载方式之一，特别是当您希望利用预训练模型进行预测或者进一步微调的时候。使用预训练权重文件的主要作用是通过微调预训练权重，达到加快自己模型的训练速度的目的。

方式3：从YAML文件构建新模型，并将预训练权重转移到新模型

model = YOLO("yolov8n.yaml").load("yolov8n.pt")

这种方式首先根据yolov8n.yaml文件构建模型结构，然后使用load方法加载预训练权重。
这种方式结合了前两种方式的优点，即可以根据配置文件定义模型结构，并加载预训练权重。
如果模型结构在.yaml文件中有改动，但是仍然希望使用预训练权重初始化模型，则可以采用这种方式。通常这种方式用于需要修改模型结构但仍想利用预训练权重的场景。

模型种类有5中，分别是n、s、m、l、x。其中n最小，x最大，越大模型参数量越大，需要更多的显卡内存来训练，并且运行速度更慢。如果你想切换模型，只需把yolov8n.pt 改为yolov8m.pt即可，yaml同理。

4.开始训练

当你完成了以上所有操作就可以开始训练了，首先在你的项目中新建一个py文件随后复制下方代码运行

from ultralytics import YOLO
model = YOLO("yolov8n.pt") 

if __name__ == '__main__':
    results = model.train(data="coco128.yaml", epochs=200)

训练中所有关于No module named XXX 的报错都是因为你缺少依赖只需要在终端输入下方命令，其中XXX是你具体缺少的包名

pip install XXX -i https://pypi.tuna.tsinghua.edu.cn/simple/

4.1 训练参数详解

1. data✰✰✰✰✰
data: 数据文件的路径。该参数指定了数据集文件的位置，例如 coco128.yaml。数据集文件包含了训练和验证所需的图像、标签。
这里需要传入的是一个yaml文件，可以参考官方给出的coco128 数据文件

2. epochs ✰✰✰
epochs: 训练的轮数。这个参数确定了模型将会被训练多少次，每一轮都遍历整个训练数据集。训练的轮数越多，模型对数据的学习就越充分，但也增加了训练时间。

3. patience
patience: 早停的等待轮数。在训练过程中，如果在一定的轮数内没有观察到模型性能的明显提升，就会停止训练。这个参数确定了等待的轮数，如果超过该轮数仍没有改进，则停止训练。
早停
早停能减少过拟合。过拟合(overfitting)指的是只能拟合训练数据, 但不能很好地拟合不包含在训练数据中的其他数据的状态。

4. batch ✰✰✰✰✰
batch: 每个批次中的图像数量。在训练过程中，数据被分成多个批次进行处理，每个批次包含一定数量的图像。这个参数确定了每个批次中包含的图像数量。特殊的是，如果设置为**-1**，则会自动调整批次大小，至你的显卡能容纳的最多图像数量。
选取策略
一般认为batch越大越好。因为我们的batch越大我们选择的这个batch中的图片更有可能代表整个数据集的分布，从而帮助模型学习。但batch越大占用的显卡显存空间越多，所以还是有上限的。
5. device ✰✰✰✰✰
device: 训练运行的设备。该参数指定了模型训练所使用的设备，例如使用 GPU 运行可以指定为 cuda device=0，或者使用多个 GPU 运行可以指定为 device=0,1,2,3，如果没有可用的 GPU，可以指定为 device=cpu 使用 CPU 进行训练。

其他更多参数大家可以自行参考官方文档新版yolo11 引入了更多超参,帮助模型更好地泛化到未见数据中，对提高YOLO 模型的稳健性和性能至关重要。
官方文档

4.2 训练完各文件详解

训练完成后会在项目目录下生成一个名为run的文件夹，里面就包含了你训练和预测的记录

train里面就是你训练完成的模型文件，这里面包含是目标检测性能指标,如下图

weights目录：

last.pt： “last.pt” 一般指代模型训练过程中最后一个保存的权重文件。在训练过程中，模型的权重可能会定期保存，而 “last.pt” 就是最新的一次保存的模型权重文件。这样的文件通常用于从上一次训练的断点继续训练，或者用于模型的推理和评估。 best.pt： “best.pt” 则通常指代在验证集或测试集上表现最好的模型权重文件。在训练过程中，会通过监视模型在验证集上的性能，并在性能提升时保存模型的权重文件。“best.pt” 可以被用于得到在验证集上表现最好的模型，以避免模型在训练集上过拟合的问题。

其他的都是一些关于模型性能的了，如果感兴趣可以去了解一下

5.使用训练的模型进行预测

from ultralytics import YOLO
model = YOLO(r"D:\study\information\Python\L.pt")
model.predict(r"D:\study\information\Python\pit\data\images\flip_Image_20240626145234269.bmp",save=True)