YOLOv8在13900kf和4090下的最佳训练环境
数据集的获取
推荐一个网站,搜索相关关键词查询数据集,可以指定格式。https://universe.roboflow.com/search
数据集下载后的处理
数据集下载后会有如下文件:
README可以不用管。将test、train、valid放入“ultralytics\yolo\data”目录下,并将data.yaml一并放入
以这个yaml文件为例子,train、val、test的路径为绝对路径下的images文件夹。
重要设置,开启train的py文件。
import os
from ultralytics import YOLO
def main():
os.environ['CUDA_LAUNCH_BLOCKING'] = "1"
os.environ['TORCH_USE_CUDA_DSA'] = "1"
os.environ['KMP_DUPLICATE_LIB_OK'] = 'True'
# Load a model
model = YOLO(
r'D:\train\fallTest\yolov8n.pt') # load a pretrained model (recommended for training)
# Train the model
model.train(data=r'D:\train\fallTest\ultralytics\yolo\data\fall.yaml',
epochs=200, imgsz=640, batch=128,
workers=8, device=0)
metrics = model.val()
success = model.export(format="onnx")
if __name__ == '__main__':
main()
**
在反复测试无数次后,batch=128、workers=8也就是默认值是最佳训练配置。下面是GPU的使用情况
**
基本能发挥出显卡的性能了。