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。