Yolov8基础笔记

目录

Yolo的任务分类

Train（训练）

概念

demo

参数

超参数

常用参数

Val（评估）

概念

demo

参数/超参数

常用参数

Predict(预测)

demo

参数

常用参数

结果参数

results支持方法

Export（导出）

demo

参数

支持导出格式

Yolo的模式类型

Detect（检测）

模型

Segment（分割）

模型

Classify（分类）

模型

Pose（姿态）

模型

OBB（定向检测）

​编辑

模型

个人经验

如何使用Yolov8

训练结果参数理解

待完善

---

Yolo的任务分类

Train（训练）

概念

YOLOv8 中的 "训练 "模式充分利用现代硬件能力，专为高效训练物体检测模型而设计。可以训练出自己的模型

demo

from ultralytics import YOLO
​
# Load a model
model = YOLO("yolov8n.yaml")  # build a new model from YAML
model = YOLO("yolov8n.pt")  # load a pretrained model (recommended for training)
model = YOLO("yolov8n.yaml").load("yolov8n.pt")  # build from YAML and transfer weights
​
# Train the model
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

参数

参数	默认值	说明
model	None	指定用于训练的模型文件。接受指向 .pt 预训练模型或 .yaml 配置文件。对于定义模型结构或初始化权重至关重要。
data	None	数据集配置文件的路径（例如 coco8.yaml).该文件包含特定于数据集的参数，包括训练数据和验证数据的路径、类名和类数。
epochs	100	训练历元总数。每个历元代表对整个数据集进行一次完整的训练。调整该值会影响训练时间和模型性能。
time	None	最长训练时间（小时）。如果设置了该值，则会覆盖 epochs 参数，允许训练在指定的持续时间后自动停止。对于时间有限的训练场景非常有用。
patience	100	在验证指标没有改善的情况下，提前停止训练所需的历元数。当性能趋于平稳时停止训练，有助于防止过度拟合。
batch	16	训练的批量大小，表示在更新模型内部参数之前要处理多少张图像。自动批处理 (batch=-1)会根据 GPU 内存可用性动态调整批处理大小。
imgsz	640	用于训练的目标图像尺寸。所有图像在输入模型前都会被调整到这一尺寸。影响模型精度和计算复杂度。
save	True	可保存训练检查点和最终模型权重。这对恢复训练或模型部署非常有用。
save_period	-1	保存模型检查点的频率，以 epochs 为单位。值为-1 时将禁用此功能。该功能适用于在长时间训练过程中保存临时模型。
cache	False	在内存中缓存数据集图像 (True/ram）、磁盘 (disk），或禁用它 (False).通过减少磁盘 I/O 提高训练速度，但代价是增加内存使用量。
device	None	指定用于训练的计算设备：单个 GPU (device=0）、多个 GPU (device=0,1)、CPU (device=cpu)，或苹果芯片的 MPS (device=mps).
workers	8	加载数据的工作线程数（每 RANK 多 GPU 训练）。影响数据预处理和输入模型的速度，尤其适用于多 GPU 设置。
project	None	保存训练结果的项目目录名称。允许有组织地存储不同的实验。
name	None	训练运行的名称。用于在项目文件夹内创建一个子目录，用于存储训练日志和输出结果。
exist_ok	False	如果为 True，则允许覆盖现有的项目/名称目录。这对迭代实验非常有用，无需手动清除之前的输出。
pretrained	True	决定是否从预处理模型开始训练。可以是布尔值，也可以是加载权重的特定模型的字符串路径。提高训练效率和模型性能。
optimizer	'auto'	为培训选择优化器。选项包括 SGD, Adam, AdamW, NAdam, RAdam, RMSProp 等，或 auto 用于根据模型配置进行自动选择。影响收敛速度和稳定性
verbose	False	在训练过程中启用冗长输出，提供详细日志和进度更新。有助于调试和密切监控培训过程。
seed	0	为训练设置随机种子，确保在相同配置下运行的结果具有可重复性。
deterministic	True	强制使用确定性算法，确保可重复性，但由于对非确定性算法的限制，可能会影响性能和速度。
single_cls	False	在训练过程中将多类数据集中的所有类别视为单一类别。适用于二元分类任务，或侧重于对象的存在而非分类。
rect	False	可进行矩形训练，优化批次组成以减少填充。这可以提高效率和速度，但可能会影响模型的准确性。
cos_lr	False	利用余弦学习率调度器，根据历时的余弦曲线调整学习率。这有助于管理学习率，实现更好的收敛。
close_mosaic	10	在训练完成前禁用最后 N 个历元的马赛克数据增强以稳定训练。设置为 0 则禁用此功能。
resume	False	从上次保存的检查点恢复训练。自动加载模型权重、优化器状态和历时计数，无缝继续训练。
amp	True	启用自动混合精度 (AMP) 训练，可减少内存使用量并加快训练速度，同时将对精度的影响降至最低。
fraction	1.0	指定用于训练的数据集的部分。允许在完整数据集的子集上进行训练，这对实验或资源有限的情况非常有用。
profile	False	在训练过程中，可对ONNX 和TensorRT 速度进行剖析，有助于优化模型部署。
freeze	None	冻结模型的前 N 层或按索引指定的层，从而减少可训练参数的数量。这对微调或迁移学习非常有用。
lr0	0.01	初始学习率（即 SGD=1E-2, Adam=1E-3) .调整这个值对优化过程至关重要，会影响模型权重的更新速度。
lrf	0.01	最终学习率占初始学习率的百分比 = (lr0 * lrf)，与调度程序结合使用，随着时间的推移调整学习率。
momentum	0.937	用于 SGD 的动量因子，或用于 Adam 优化器的 beta1，用于将过去的梯度纳入当前更新。
weight_decay	0.0005	L2 正则化项，对大权重进行惩罚，以防止过度拟合。
warmup_epochs	3.0	学习率预热的历元数，学习率从低值逐渐增加到初始学习率，以在早期稳定训练。
warmup_momentum	0.8	热身阶段的初始动力，在热身期间逐渐调整到设定动力。
warmup_bias_lr	0.1	热身阶段的偏置参数学习率，有助于稳定初始历元的模型训练。
box	7.5	损失函数中边框损失部分的权重，影响对准确预测边框坐标的重视程度。
cls	0.5	分类损失在总损失函数中的权重，影响正确分类预测相对于其他部分的重要性。
dfl	1.5	分布焦点损失权重，在某些YOLO 版本中用于精细分类。
pose	12.0	姿态损失在姿态估计模型中的权重，影响着准确预测姿态关键点的重点。
kobj	2.0	姿态估计模型中关键点对象性损失的权重，平衡检测可信度与姿态精度。
label_smoothing	0.0	应用标签平滑，将硬标签软化为目标标签和标签均匀分布的混合标签，可以提高泛化效果。
nbs	64	用于损耗正常化的标称批量大小。
overlap_mask	True	决定在训练过程中分割掩码是否应该重叠，适用于实例分割任务。
mask_ratio	4	分割掩码的下采样率，影响训练时使用的掩码分辨率。
dropout	0.0	分类任务中正则化的丢弃率，通过在训练过程中随机省略单元来防止过拟合。
val	True	可在训练过程中进行验证，以便在单独的数据集上对模型性能进行定期评估。
plots	False	生成并保存训练和验证指标图以及预测示例图，以便直观地了解模型性能和学习进度。

​

超参数

参数名	类型	默认值	范围	说明
hsv_h	float	0.015	0.0 - 1.0	通过色轮的一部分来调整图像的色调，从而引入色彩的可变性。帮助模型在不同的光照条件下通用。
hsv_s	float	0.7	0.0 - 1.0	改变图像饱和度的一部分，影响色彩的强度。可用于模拟不同的环境条件。
hsv_v	float	0.4	0.0 - 1.0	将图像的数值（亮度）修改一部分，帮助模型在不同的光照条件下表现良好。
degrees	float	0.0	-180 - +180	在指定的度数范围内随机旋转图像，提高模型识别不同方向物体的能力。
translate	float	0.1	0.0 - 1.0	以图像大小的一小部分水平和垂直平移图像，帮助学习检测部分可见的物体。
scale	float	0.5	>=0.0	通过增益因子缩放图像，模拟物体与摄像机的不同距离。
shear	float	0.0	-180 - +180	按指定角度剪切图像，模拟从不同角度观察物体的效果。
perspective	float	0.0	0.0 - 0.001	对图像进行随机透视变换，增强模型理解三维空间中物体的能力。
flipud	float	0.0	0.0 - 1.0	以指定的概率将图像翻转过来，在不影响物体特征的情况下增加数据的可变性。
fliplr	float	0.5	0.0 - 1.0	以指定的概率将图像从左到右翻转，这对学习对称物体和增加数据集多样性非常有用。
bgr	float	0.0	0.0 - 1.0	以指定的概率将图像通道从 RGB 翻转到 BGR，用于提高对错误通道排序的稳健性。
mosaic	float	1.0	0.0 - 1.0	将四幅训练图像合成一幅，模拟不同的场景构成和物体互动。对复杂场景的理解非常有效。
mixup	float	0.0	0.0 - 1.0	混合两幅图像及其标签，创建合成图像。通过引入标签噪声和视觉变化，增强模型的泛化能力。
copy_paste	float	0.0	0.0 - 1.0	从一幅图像中复制物体并粘贴到另一幅图像上，用于增加物体实例和学习物体遮挡。
auto_augment	str	randaugment	-	自动应用预定义的增强策略 (randaugment, autoaugment, augmix)，通过丰富视觉特征来优化分类任务。
erasing	float	0.4	0.0 - 0.9	在分类训练过程中随机擦除部分图像，鼓励模型将识别重点放在不明显的特征上。
crop_fraction	float	1.0	0.1 - 1.0	将分类图像裁剪为其大小的一小部分，以突出中心特征并适应对象比例，减少背景干扰。

​

常用参数

epoch、 imgsz、 save、 device、 workers

Val（评估）

概念

Val 模式提供了一套强大的工具和指标，用于评估对象检测模型的性能

demo

from ultralytics import YOLO
​
# Load a model
model = YOLO("yolov8n.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom model
​
# Validate the model
metrics = model.val()  # no arguments needed, dataset and settings remembered
metrics.box.map  # map50-95
metrics.box.map50  # map50
metrics.box.map75  # map75
metrics.box.maps  # a list contains map50-95 of each category

参数/超参数

参数	类型	默认值	说明
data	str	None	指定数据集配置文件的路径（如 coco8.yaml).该文件包括验证数据的路径、类名和类数。
imgsz	int	640	定义输入图像的尺寸。所有图像在处理前都会调整到这一尺寸。
batch	int	16	设置每批图像的数量。使用 -1 的自动批处理功能，可根据 GPU 内存可用性自动调整。
save_json	bool	False	如果 True此外，还可将结果保存到 JSON 文件中，以便进一步分析或与其他工具集成。
save_hybrid	bool	False	如果 True，保存混合版本的标签，将原始注释与额外的模型预测相结合。
conf	float	0.001	设置检测的最小置信度阈值。置信度低于此阈值的检测将被丢弃。
iou	float	0.6	设置非最大抑制 (NMS) 的交叉重叠 (IoU) 阈值。有助于减少重复检测。
max_det	int	300	限制每幅图像的最大检测次数。在密度较高的场景中非常有用，可以防止检测次数过多。
half	bool	True	可进行半精度（FP16）计算，减少内存使用量，在提高速度的同时，将对精度的影响降至最低。
device	str	None	指定验证设备 (cpu, cuda:0等）。可灵活利用 CPU 或 GPU 资源。
dnn	bool	False	如果 True它使用 OpenCV DNN 模块进行ONNX 模型推断，为PyTorch 推断方法提供了一种替代方法。
plots	bool	False	当设置为 True此外，它还能生成并保存预测结果与地面实况的对比图，以便对模型的性能进行可视化评估。
rect	bool	False	如果 True该软件使用矩形推理进行批处理，减少了填充，可能会提高速度和效率。
split	str	val	确定用于验证的数据集分割 (val, test或 train).可灵活选择数据段进行性能评估。

​

常用参数

batch 、 conf、 IoU、 half

Predict(预测)

demo

from ultralytics import YOLO
​
# Load a pretrained YOLOv8n model
model = YOLO("yolov8n.pt")
​
# Run inference on 'bus.jpg' with arguments
result = model.predict("bus.jpg", save=True, imgsz=320, conf=0.5)
# Value of result
for result in results:
    print("图像原始大小:", result.orig_shape)
    data_numpy = result.boxes.data.cpu().numpy()
    for data in data_numpy:
        print("data", data)
        print("左上角X轴坐标:", data[0])
        print("左上角Y轴坐标:", data[1])
        print("右下角X轴坐标:", data[2])
        print("右下角Y轴坐标:", data[3])
        print("置---信---度:", data[4])
        print("检测到的类有:",  data[5])

参数

论据	类型	默认值	说明
source	str	'ultralytics/assets'	指定推理的数据源。可以是图像路径、视频文件、目录、URL 或用于实时馈送的设备 ID。支持多种格式和来源，可灵活应用于不同类型的输入。
conf	float	0.25	设置检测的最小置信度阈值。如果检测到的对象置信度低于此阈值，则将不予考虑。调整该值有助于减少误报。
iou	float	0.7	非最大抑制 (NMS) 的交叉重叠 (IoU) 阈值。较低的数值可以消除重叠的方框，从而减少检测次数，这对减少重复检测非常有用。
imgsz	int or tuple	640	定义用于推理的图像大小。可以是一个整数 640 或一个（高、宽）元组。适当调整大小可以提高检测精度和处理速度。
half	bool	False	启用半精度（FP16）推理，可加快支持的 GPU 上的模型推理速度，同时将对精度的影响降至最低。
device	str	None	指定用于推理的设备（例如：......）、 cpu, cuda:0 或 0).允许用户选择 CPU、特定 GPU 或其他计算设备来执行模型。
max_det	int	300	每幅图像允许的最大检测次数。限制模型在单次推理中可检测到的物体总数，防止在密集场景中产生过多输出。
vid_stride	int	1	视频输入的帧间距。允许跳过视频中的帧，以加快处理速度，但会牺牲时间分辨率。值为 1 时处理每一帧，值越大跳帧越多。
stream_buffer	bool	False	确定在处理视频流时是否对所有帧进行缓冲 (True)，或者模型是否应该返回最近的帧 (False).适用于实时应用。
visualize	bool	False	在推理过程中激活模型特征的可视化，从而深入了解模型 "看到 "了什么。这对调试和模型解释非常有用。
augment	bool	False	可对预测进行测试时间增强（TTA），从而在牺牲推理速度的情况下提高检测的鲁棒性。
agnostic_nms	bool	False	启用与类别无关的非最大抑制 (NMS)，可合并不同类别的重叠方框。这在多类检测场景中非常有用，因为在这种场景中，类的重叠很常见。
classes	list[int]	None	根据一组类别 ID 过滤预测结果。只返回属于指定类别的检测结果。在多类检测任务中，该功能有助于集中检测相关对象。
retina_masks	bool	False	如果模型中存在高分辨率的分割掩膜，则使用高分辨率的分割掩膜。这可以提高分割任务的掩膜质量，提供更精细的细节。
embed	list[int]	None	指定从中提取特征向量或嵌入的层。这对聚类或相似性搜索等下游任务非常有用。

​

常用参数

conf、 IoU、 half、 imgsz、 device、 classes、

结果参数

属性	类型	说明
orig_img	numpy.ndarray	原始图像的 numpy 数组。
orig_shape	tuple	原始图像的形状，格式为（高、宽）。
boxes	Boxes, optional	包含检测边界框的方框对象。
masks	Masks, optional	包含检测掩码的掩码对象。
probs	Probs, optional	Probs 对象，包含分类任务中每个类别的概率。
keypoints	Keypoints, optional	关键点对象，包含每个对象的检测关键点。
obb	OBB, optional	包含定向包围盒的 OBB 对象。
speed	dict	每幅图像的预处理、推理和后处理速度字典，单位为毫秒。
names	dict	类名字典。
path	str	图像文件的路径。

​

results支持方法

方法	返回类型	说明
update()	None	更新结果对象的方框、掩码和 probs 属性。
cpu()	Results	返回包含 CPU 内存中所有张量的结果对象副本。
numpy()	Results	返回结果对象的副本，其中所有张量均为 numpy 数组。
cuda()	Results	返回包含 GPU 内存中所有张量的 Results 对象副本。
to()	Results	返回带有指定设备和 dtype 上张量的 Results 对象副本。
new()	Results	返回一个具有相同图像、路径和名称的新结果对象。
plot()	numpy.ndarray	绘制检测结果。返回注释图像的 numpy 数组。
show()	None	在屏幕上显示带注释的结果。
save()	None	将注释结果保存到文件中。
verbose()	str	返回每个任务的日志字符串。
save_txt()	None	将预测结果保存到 txt 文件中。
save_crop()	None	将裁剪后的预测保存到 save_dir/cls/file_name.jpg.
tojson()	str	将对象转换为 JSON 格式。

​

Export（导出）

Ultralytics YOLOv8 中的导出模式为将训练好的模型导出为不同格式提供了多种选择，使其可以在各种平台和设备上部署

demo

from ultralytics import YOLO
​
# Load a model
model = YOLO("yolov8n.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom trained model
​
# Export the model
model.export(format="onnx")

参数

论据	类型	默认值	说明
format	str	'torchscript'	导出模型的目标格式，例如 'onnx', 'torchscript', 'tensorflow'或其他，定义与各种部署环境的兼容性。
imgsz	int 或 tuple	640	模型输入所需的图像尺寸。对于正方形图像，可以是一个整数，或者是一个元组 (height, width) 了解具体尺寸。
keras	bool	False	启用导出为 Keras 格式的TensorFlow SavedModel ，提供与TensorFlow serving 和 API 的兼容性。
optimize	bool	False	在导出到TorchScript 时，应用针对移动设备的优化，可能会减小模型大小并提高性能。
half	bool	False	启用 FP16（半精度）量化，在支持的硬件上减小模型大小并可能加快推理速度。
int8	bool	False	激活 INT8 量化，进一步压缩模型并加快推理速度，同时将精度损失降至最低，主要用于边缘设备。
dynamic	bool	False	允许ONNX 和TensorRT 导出动态输入尺寸，提高了处理不同图像尺寸的灵活性。
simplify	bool	False	简化了ONNX 导出的模型图，可能会提高性能和兼容性。
opset	int	None	指定ONNX opset 版本，以便与不同的ONNX 解析器和运行时兼容。如果未设置，则使用最新的支持版本。
workspace	float	4.0	为TensorRT 优化设置最大工作区大小（GiB），以平衡内存使用和性能。
nms	bool	False	在CoreML 导出中添加非最大值抑制 (NMS)，这对精确高效的检测后处理至关重要。
batch	int	1	指定导出模型的批量推理大小，或导出模型将同时处理的图像的最大数量。 predict 模式。

​

支持导出格式

​

格式	format 论据	模型	元数据	论据
PyTorch	-	yolov8n.pt	✅	-
TorchScript	torchscript	yolov8n.torchscript	✅	imgsz, optimize, batch
ONNX	onnx	yolov8n.onnx	✅	imgsz, half, dynamic, simplify, opset, batch
OpenVINO	openvino	yolov8n_openvino_model/	✅	imgsz, half, int8, batch
TensorRT	engine	yolov8n.engine	✅	imgsz, half, dynamic, simplify, workspace, int8, batch
CoreML	coreml	yolov8n.mlpackage	✅	imgsz, half, int8, nms, batch
TF SavedModel	saved_model	yolov8n_saved_model/	✅	imgsz, keras, int8, batch
TF GraphDef	pb	yolov8n.pb	❌	imgsz, batch
TF 轻型	tflite	yolov8n.tflite	✅	imgsz, half, int8, batch
TF 边缘TPU	edgetpu	yolov8n_edgetpu.tflite	✅	imgsz, batch
TF.js	tfjs	yolov8n_web_model/	✅	imgsz, half, int8, batch
PaddlePaddle	paddle	yolov8n_paddle_model/	✅	imgsz, batch
NCNN	ncnn	yolov8n_ncnn_model/	✅	imgsz, half, batch

​

Yolo的模式类型

Detect（检测）

检测：包括检测图像或视频帧中的物体，并在其周围绘制边界框。YOLOv8 可在单幅图像或视频帧中高精度、高速度地检测多个物体

模型

​

模型	尺寸 （像素）	mAPval 50-95	速度 CPUONNX (ms)	速度 A100 TensorRT （毫秒）	params (M)	FLOPs (B)
YOLOv8n	640	37.3	80.4	0.99	3.2	8.7
YOLOv8s	640	44.9	128.4	1.20	11.2	28.6
YOLOv8m	640	50.2	234.7	1.83	25.9	78.9
YOLOv8l	640	52.9	375.2	2.39	43.7	165.2
YOLOv8x	640	53.9	479.1	3.53	68.2	257.8

​

Segment（分割）

分割是一项根据图像内容将图像分割成不同区域的任务。每个区域根据其内容分配一个标签。这项任务在图像分割和医学成像等应用中非常有用。YOLOv8 使用 U-Net 架构的变体来执行分割

模型

​

模型	尺寸 （像素）	mAPbox 50-95	mAPmask 50-95	速度 CPUONNX (ms)	速度 A100 TensorRT （毫秒）	params (M)	FLOPs (B)
YOLOv8n-seg	640	36.7	30.5	96.1	1.21	3.4	12.6
YOLOv8s-seg	640	44.6	36.8	155.7	1.47	11.8	42.6
YOLOv8m-seg	640	49.9	40.8	317.0	2.18	27.3	110.2
YOLOv8l-seg	640	52.3	42.6	572.4	2.79	46.0	220.5
YOLOv8x-seg	640	53.4	43.4	712.1	4.02	71.8	344.1

​

Classify（分类）

YOLOv8 可用于根据图像内容对图像进行分类。它使用 EfficientNet 架构的一种变体来执行分类。

模型

​

模型	尺寸 （像素）	acc top1	acc top5	速度 CPUONNX (ms)	速度 A100 TensorRT （毫秒）	params (M)	FLOPs (B) at 640
YOLOv8n-cls	224	69.0	88.3	12.9	0.31	2.7	4.3
YOLOv8s-cls	224	73.8	91.7	23.4	0.35	6.4	13.5
YOLOv8m-cls	224	76.8	93.5	85.4	0.62	17.0	42.7
YOLOv8l-cls	224	76.8	93.5	163.0	0.87	37.5	99.7
YOLOv8x-cls	224	79.0	94.6	232.0	1.01	57.4	154.8

​

Pose（姿态）

姿势/关键点检测是一项涉及检测图像或视频帧中特定点的任务。这些点被称为关键点，用于跟踪运动或姿势估计。YOLOv8 可以高精度、高速度地检测图像或视频帧中的关键点。

模型

​

模型	尺寸 （像素）	50-95	mAPpose 50	速度 CPUONNX (ms)	速度 A100 TensorRT （毫秒）	params (M)	FLOPs (B)
YOLOv8n-姿势	640	50.4	80.1	131.8	1.18	3.3	9.2
YOLOv8s-姿势	640	60.0	86.2	233.2	1.42	11.6	30.2
YOLOv8m-姿势	640	65.0	88.8	456.3	2.00	26.4	81.0
YOLOv8l-姿势	640	67.6	90.0	784.5	2.59	44.4	168.6
YOLOv8x-姿势	640	69.2	90.2	1607.1	3.73	69.4	263.2
YOLOv8x-pose-p6	1280	71.6	91.2	4088.7	10.04	99.1	1066.4

​

OBB（定向检测）

YOLOv8 可以高精度、高速度地检测图像或视频帧中的旋转物体。

模型

模型	尺寸 （像素）	mAPtest 50	速度 CPUONNX (ms)	速度 A100 TensorRT （毫秒）	params (M)	FLOPs (B)
YOLOv8n-obb	1024	78.0	204.77	3.57	3.1	23.3
YOLOv8s-obb	1024	79.5	424.88	4.07	11.4	76.3
YOLOv8m-obb	1024	80.5	763.48	7.61	26.4	208.6
YOLOv8l-obb	1024	80.7	1278.42	11.83	44.5	433.8
YOLOv8x-obb	1024	81.36	1759.10	13.23	69.5	676.7

​

个人经验

如何使用Yolov8

github官网找到项目地址：[https://github.com/ultralytics/ultralytics]

所需下载PyTorch环境版本地址：[Start Locally | PyTorch]

下载项目以后安装依赖：

pip install ultralytics
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 (根据自己电脑配置决定)

注：本人使用Python版本3.11

使用显卡启动Yolo所需配置：

cuda，cudnn

nvidia-smi 查看自己电脑支持的最高cuda版本，建议安装11.8比较稳定
然后安装对应支持的cuda，cudnn
参考：https://blog.csdn.net/jhsignal/article/details/111401628

验证是否支持、是否安装成功

import torch
print(torch.cuda.is_available())
x = torch.rand(5, 5).cuda()
print(x)

训练结果参数理解

Class：类别

Image：图片数量

Instances：类别数量

Box（P）：边界框的精度（Precision），反映了模型预测的边界框中正确预测的比例。高精度表示模型产生的假阳性（False Positives）较少。其中，真阳性是正确预测的目标数，假阳性是错误标记的目标数。 计算方法（不懂）：

R - Recall：R 即召回率（Recall），衡量了模型捕获真实目标的能力。高召回率表示模型能够检测到大多数真实目标，但可能包括一些错误的检测。

mAP50（mean Average Precision）：mAP50 指的是在 IoU（交并比）阈值为0.50时的平均精度（Mean Average Precision）。这是一个常用的指标，因为它只考虑较为宽松的匹配标准。它测量的是当预测的边界框与真实边界框的交并比至少为0.50时的平均精度。

mAP50-95：mAP50-95 是一个更全面的性能指标，它计算了从 IoU=0.50 到 IoU=0.95（每隔0.05一个阶梯）的平均精度。这是评估模型整体性能的一个更严格的标准，因为它考虑了更多的匹配严格程度。

训练参数IoU（预测使用的）：假设你有两个边界框，一个是预测边界框（Predicted Box），另一个是真实边界框（Ground Truth Box）：

交集（Intersection）：预测边界框和真实边界框重叠区域的面积。 并集（Union）：预测边界框和真实边界框覆盖的总面积，但重叠区域只计算一次。 IoU 的值范围从0到1：IoU = 0 表示没有重叠。IoU = 1 表示完全重叠。

2024-05-30

训练自己的数据集

Yolo目录结构

ultralytics/
├── datasets/
│   └──myselfData
│       │── images

│       │        └── *.jpg
│       │── labels

│       │        └── *.txt
│       └── myselfData.yaml
│
├── ultralytics/
│   ├── assets/
│   ├── cfg/
│   ├── data/
│   ├── demo/
│   ├── engine/
│   ├── hub/
│   ├── models/
│   ├── nn/
│   ├── solutions/
│   ├── trackers/
│   ├── utils/
│   ├── xxx.py
│   │   
└── readMe.md

新建一个datasets文件夹存放数据集

yaml文件夹内容如下：

path: D:\PythonProject\ultralytics\datasets\myselfData # dataset中的文件夹路径
train: images/train2017 # train images 训练的图片路径
val: images/train2017 # val images 验证的图片路径
test: images/train2017 # test images 测试的图片路径


# Classes
names:
  0: Bread
  1: Paper
  2: People

启动训练函数

from ultralytics import YOLO


def train():
    # 确保配置文件是正确的，通常是与预训练模型相同的配置文件
    model = YOLO('yolov8m.yaml').load('yolov8n.pt')  

    # 开始训练模型
    results = model.train(data='datasets/myselfData/myselfData.yaml', epochs=300, batch=16, device=0, workers=8, imgsz=640) 
    return results


if __name__ == '__main__':
    results = train()

预测函数

import os

import cv2
import numpy as np
from ultralytics import YOLO


model = YOLO('../yolopt/best.pt')
folder_path = "D:/PythonProject/xxx" #可以使用绝对路径/相对路径，文件夹图片都可以放
results = model.predict(folder_path, save=True, imgsz=320, conf=0.5, device='0', half=True)
for result in results:
    data_numpy = result.boxes.data.cpu().numpy()
    for data in data_numpy:
        print("左上角X轴坐标:", data[0])        
        print("左上角Y轴坐标:", data[1])
        print("右下角X轴坐标:", data[2])
        print("右下角Y轴坐标:", data[3])
        print("置---信---度:", data[4])
        print("检测到的类有:", [int(data[5])]) 

验证函数

from ultralytics import YOLO

def val():
    model = YOLO("../bestX.pt")
    validation_results = model.val(data="datasets/myselfData/myselfData.yaml", imgsz=640,
                                   batch=64, conf=0.5, iou=0.6, device="0")

if __name__ == '__main__':
    val()

模型转换（Pt转Onnx）

import cv2
import torch

from tensor_rt.main import YOLOv8
from ultralytics import YOLO

# # Pt转换Onnx模型
device = "cuda:0" if torch.cuda.is_available() else "cpu"
onnx_model = YOLO("DarkPointX.onnx")
results = onnx_model("202404201048220.jpg")
print(results)

 模型（Pt转Engine）

from ultralytics import YOLO
import torch

# 检查GPU是否可用，并设置为默认设备
device = 'cuda' if torch.cuda.is_available() else 'cpu'
print(f"Using device: {device}")

# 载入模型并转移到设备
model = YOLO("DarkPointX.pt").to(device)
model.export(
    format="engine",
    dynamic=True,
    batch=32,
    workspace=4,
    half=True,
    data="bread.yaml",
)
print("Done")
# results = self.model.predict(image, save=False, imgsz=640, conf=self.conf, device='0', half=True)
# Load the exported TensorRT INT8 model
model = YOLO("DarkPointX.engine")

# Run inference
result = model.predict("https://ultralytics.com/images/bus.jpg")