YoloV8的python启动

使用命令行

yolo task=detect mode=train model=dataness/yolov8s.yaml data=dataness/mydata.yaml batch=16 epochs=100 imgsz=640

调用yolov8的时候可能会报如下错误

bash: yolo: command not found

其实在yolov8官方文档中提供了python的启动方法原文链接如下:

https://docs.ultralytics.com/

训练

根据文档中的方法写一个train_test.py 脚本,我把它放在项目文件下

from ultralytics import YOLO

# 这里如果需要预权重就写你的权重文件地址,没有预权重写cfg地址,写一个就够了
model = YOLO("yolov8n.pt")  
model = YOLO("yolov8.yaml")  

model.train(model = "yolov8.yaml", data="coco128.yaml", epochs=100, imgsz=640)

model.train()里面写训练用的参数,具体可以在这里看:https://docs.ultralytics.com/cfg/,基本和Yolo其他版本差不多

验证

写一个val_test.py

from ultralytics import YOLO

model = YOLO("path/best.pt")  # 权重地址

results = model.val(data="coco128.yaml") #参数和训练用到的一样

预测

写一个predict_test.py

from ultralytics import YOLO

model = YOLO("path/best.pt")  # 权重

results = model("images/bus.jpg")  # 预测的图片或文件夹

转换成onnx

写一个export_test.py

from ultralytics import YOLO

model = YOLO("path/best.pt")  

model.export(format="onnx")

其他问题

可能有人在使用过程中会出现data地址找不到的问题,这里我建议都用绝对路径,如果你和我一样是在服务器跑的,记得在前面加一个/root

train_test.py:
data.yaml:

  • 5
    点赞
  • 36
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
本程序基于pytorch框架与yolov5物体检测平台,实现了人工智能对FPS(第一人称射击)游戏的辅助瞄准。与传统游戏作弊方式不同,本程序不读取或改动游戏的内存数据,而是通过人工智能实时分析游戏画面、确定敌人位置并移动鼠标射击,反应流程与人脑相同,难以被普通反作弊方式检测。本程序的特点有: * 单次识别过程经过反复优化,在RTX30系显卡下单次时延$\leq 0.1s$​ * 前后端分离,前端启动器UI界面现代化、扁平化,提供参数调节功能并与后端通过json参数共享 * 设计演示模式,实时展现AI的识别过程 * 设计静态和动态模式,在敌人静态和近匀速运动时有可观的射击精准度 * 适配多款射击游戏,对CS:GO(《反恐精英:全球攻势》)单独优化,考虑到鼠标加速与鼠标灵敏度设置对程序参数的影响 ​ 从本次技术验证中,我们深刻意识到游戏公司对以人工智能CV识别为原理的新型游戏作弊方式防不胜防,但AI为缩小延迟,一般将移动鼠标的过程尽量缩短,且模拟鼠标移动方式与人工存在差异。通过实时记录鼠标移动、结合用户举报,未来或许可以训练出合适的神经网络检测这一新型游戏作弊方式。同时,我们也意识到此类技术或许可以运用于未来战场。 ## 目录 [TOC] ## 程序架构 程序中由组员原创的主要代码文件有: * `launcher.py` 前端启动器,与用户提供交互。用户可设置启动参数并运行 * `\bin\ai.py` 后端主程序,捕捉游戏画面、调用API识别人物、计算射击位置并模拟移动鼠标 * `\bin\demo.py` 演示模式前台置顶小窗,展示识别过程 * `\bin\asr_switch.py` 用于语音识别关闭后端(待进一步测试) 程序开发过程中用于测试性能和参数的代码文件有: * `\bin\tune.py` 用于测试CS:GO(《反恐精英:全球攻势》)鼠标加速与鼠标灵敏度设置对程序参数的影响 使用的第三方模型平台有: -------- 该资源内项目源码是个人的毕设,代码都测试ok,都是运行成功后才上传资源,答辩评审平均分达到96分,放心下载使用! <项目介绍> 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习,也适合小白学习进阶,当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可用于毕设、课设、作业等。 下载后请首先打开README.md文件(如有),仅供学习参考, 切勿用于商业用途。 --------

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值