YOLOv8进阶篇--训练模型，然后检测视频

要训练模型，先要标准数据。

可以使用labelimg标注数据。当然也有其他的标注工具，例如：makesense。还可以在网上下载已经标注好的数据集，例如：rowboflow。

首先，安装labelimg

>pip install labelimg

然后，启动labelimg，

>labelimg

标注好之后的图片和数据，需要放到yolov8的指定目录--datasets目录，这在yolov8是必须的，训练集的配置文件的根目录默认是它。

# parent
# ├── ultralytics
# └── datasets  (配置文件的根目录)
#     └── gambling （数据集的名称，自建这一级目录）
#         └── images （图片目录）
#             └── train （训练集）
#             └── valid （验证集）
#             └── test （测试集，可以为空，也可以没有这个目录）
#         └── labels （标注目录）
#             └── train （训练集，文件名称与上面的图片文件名称一一对应）
#             └── valid （验证集，文件名称与上面的图片文件名称一一对应）
#             └── test （测试集，可以为空，也可以没有这个目录）

从ultralytics/cfg/datasets目录下拷贝coco.xml到当前目录下、并重命名为mine.yaml，按照上述规则修改。

mine.yaml文件内容如下：

path: gambling # dataset root dir
train: images/train # train images (relative to 'path')
val: images/valid # val images (relative to 'path')
test:  #


# Classes
names:
0: aomenxinpujing-logo1
1: aomenxinpujing-yulecheng
2: aomenxinpujing-title
3: aomenxinpujing-url
4: mei-nv-he-guan

执行如下命令：

>yolo task=detect mode=train model=./yolov8n.pt data=./mine.yaml epochs=30 workers=1 batch=16

训练的结果保存在runs/detect/train目录下，也可能是runs/detect/train2目录，注意结果提示即可发现。

训练好的模型，用于检测，执行如下命令：

>yolo task=detect mode=predict model=runs/detect/train/weights/best.pt source=./xxx.mp4 show=True

注1：训练过程中，可能要重新设定安装目录所在的磁盘分区（C盘或者D盘）的虚拟内存大小，建议改为50G~100G。

注2：不一定要修改，可以把batch=16改小试一下。

全文完。