YOLOV8 python 训练模型输出路径更改

最新推荐文章于 2024-05-28 16:23:51 发布
最新推荐文章于 2024-05-28 16:23:51 发布
阅读量1.5k 收藏 3
点赞数 6
文章标签： YOLO
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_49488235/article/details/135962912
版权

复制项目根文件夹后, 训练的模型输出路径仍为原项目根路径下.
复制项目训练模型输出路径,  修改方法:
1.记事本打开 settings.yaml 文件
"C:\Users\Administrator\AppData\Roaming\Ultralytics\settings.yaml"

2.修改文件内容

weights_dir: 

runs_dir:

m0_49488235
关注
  • 6
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
yolov8训练自定义数据集——settings.yaml与自定义数据集.yaml指向路径的配置问题
weixin_52010459的博客
03-29 2888
如果你在调用模型预测后找不到预测后的结果存放路径，如果你在训练模型时出现找不到数据集存放位置，都可以来这里寻找答案。
YOLOv8训练飞机检测模型+权重+数据集
04-18
1、YOLOv8训练飞机检测模型，并包含标注好的飞机检测数据集，标签格式为xml和txt两种，类别名为aeroplane， 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 5、采用pytrch框架，代码是python的
yolo训练数据集时怎么改变数据集的下载和存放路径
weixin_73044854的博客
04-06 480
yolo训练数据集时怎么改变数据集的下载和存放路径。在yolov8训练官方给的或者公开的或者自己的数据集的时候，给数据集写个配置文件也就是`.yaml`文件肯定是必不可少的，但有时根据`ultralytics`文件夹里的别人博客提示根本解决不了问题。
关于YOLOv8训练时生成的runs文件不在项目根目录中而在其他项目路径中的问题
Zing的笔记本
10-19 1605
例如： 我的训练脚本目录是：'/home/projects/project1/workspace.py' 我的运行保存目录是：'/home/projects/project2/runs/predict/train(n)'这实际上是需要深入检查的事情。即使在少数情况下，我也看到结果保存在一些目录/项目中，这些目录/项目甚至不是我从运行脚本的项目的子目录。
YOLOv8数据集存放位置
weixin_74319382的博客
09-27 2914
YOLOv8 会将第一次运行的位置当做默认位置，此后不管将 ultralytics 移动到何处，训练时都将在第一次运行的位置寻找数据集并且将训练结果存储在与数据集同级的目录下。而且很难找到改变路径的方法，其实 YOLOv8 的配置文件隐藏地很深。在 ...\ultralytics\ultralytics\utils 下有 _init_.py 文件，其中指明了 YOLOv8 的数据集配置文件的存放位置，不同的操作系统有不同的位置。在不同的操作系统上运行以下代码即可知 Path.home() 位置。
yolov8 路径问题
weixin_42754054的博客
03-09 4858
yolo8 路径问题
yolov8原代码中的绝对路径改相对路径
weixin_46672785的博客
03-01 412
找到 ultralytics-main/ultralytics/data/utils.py 注释第300行左右的。这里就是输入的yaml文件中指定的绝对或相对路径。
YOLOV8代码下载及环境配置以及使用
林深时见鹿
01-17 4218
出现类似这样的即可说明你已经安装了python环境，如果没有，百度一下安装Python，这里就不做说明。如果出现github无法访问的情况，请参考我另一篇博客，有访问github超时的解决办法和方案。将模型放在主文件夹下！安装完成后，切换到ultralytics文件夹目录下，执行命令检验模型是否安装成功。出现如下，证明是成功的，因为我事先安装好了扩展包和环境，所以有其他的包展示。1）首先，确认python环境变量是否已经配置，没安装自行搜索安装。静等安装，出现下面的提示，恭喜你，证明你安装成功了。
yolov8分割模型转onnx模型脚本python程序
03-12
yolov8分割模型转onnx模型脚本python程序yolov8分割模型转onnx模型脚本python程序yolov8分割模型转onnx模型脚本python程序yolov8分割模型转onnx模型脚本python程序yolov8分割模型转onnx模型脚本python程序yolov8分割...
YOLOv4预训练模型，yolo4_voc_weights.pth
09-18
预训练模型
YOLOv8模型训练+部署（实战）
02-24
YOLOv8模型训练+部署（实战） YOLOv8模型训练+部署（实战） YOLOv8模型训练+部署（实战） YOLOv8模型训练+部署（实战）
yolov5头部训练模型
02-08
yolov5头部训练模型
YOLOv8训练时，容易出现模型路径和数据路径找不着的问题。比如C:\Users\aoqia\Desktop\ultralytics-main\yolov8n.yaml
weixin_43501408的博客
04-16 789
YOLOv8训练时，容易出现模型路径和数据路径找不着的问题。比如C:\Users\aoqia\Desktop\ultralytics-main\yolov8n.yaml。在训练文件中，尽量路径指向单一，如图1所示。并且在default.yaml中使用绝对路径，如图2所示。
使用yolov8训练数据集及使用中遇到的问题_yolov8的ultralytics models文件夹下没有v8这个文件夹
2301_79055239的博客
04-13 1154
下载链接，我下了yolov8s.py，放在该路径E:\nfshare\yolov8\ultralytics\weightsps：model文件类型可以是yaml，也可以是ptE:\nfshare\yolov8\ultralytics\cfg\models\v8\yolov8.yaml，就改类别数 4.新建data文件 E:\nfshare\yolov8\ultralytics\cfg\datasets\hr.yaml，这些和yolov5一样E:\nfshare\yolov8\ultralytics\cfg\
目标检测数据集 - 铁路工人安全检测数据集下载「包含VOC、COCO、YOLO三种格式」
最新发布
极智视界
05-28 378
目标检测数据集 - 铁路工人安全检测数据集下载「包含VOC、COCO、YOLO三种格式」
YOLO训练报错解决：OSError: [WinError 1455] 页面文件太小，无法完成操作
crasher123的博客
05-28 119
OSError: [WinError 1455] 页面文件太小，无法完成操作。Error loading "C:\Users\12706.conda\envs\yolov8\lib\site-packages\torch\lib\cudnn_cnn_infer64_8.dll" or one of its dependencies.降低数据加载的线程数。
yolov8 ultralytics库实现多机多卡DDP训练
weixin_42357472的博客
05-27 653
用的https://universe.roboflow.com/deneme-yz/sigara-deneme/dataset/2 数据集进行训练的。
yolov8 python调用
07-27
要在Python中调用YOLOv8模型，你可以按照以下步骤进行操作： 1. 首先，确保你已经安装了YOLOv8模型的依赖项。这些依赖项可能包括OpenCV、NumPy等。你可以使用pip命令安装它们：`pip install opencv-python numpy` 2. 下载YOLOv8的权重文件（.weights文件）和配置文件（.cfg文件）。你可以从Darknet官方网站上找到这些文件。确保将它们保存在同一目录下。 3. 在Python代码中，你需要加载YOLOv8模型并进行初始化。你可以使用OpenCV库的`dnn`模块来实现这一点。以下是一个简单的示例代码： ```python import cv2 import numpy as np # 加载模型和配置文件 net = cv2.dnn.readNet('yolov8.weights', 'yolov8.cfg') # 加载类别标签 classes = [] with open('coco.names', 'r') as f: classes = [line.strip() for line in f.readlines()] # 设置输入图像尺寸 input_size = (416, 416) # 加载输入图像 image = cv2.imread('image.jpg') # 对图像进行预处理 blob = cv2.dnn.blobFromImage(image, 1/255.0, input_size, swapRB=True, crop=False) # 设置模型的输入 net.setInput(blob) # 运行前向传播 outputs = net.forward() # 处理模型的输出 for output in outputs: for detection in output: scores = detection[5:] class_id = np.argmax(scores) confidence = scores[class_id] # 过滤掉置信度较低的检测结果 if confidence > 0.5: # 计算边界框的坐标 box = detection[0:4] * np.array([image.shape[1], image.shape[0], image.shape[1], image.shape[0]]) (center_x, center_y, width, height) = box.astype("int") x = int(center_x - (width / 2)) y = int(center_y - (height / 2)) # 绘制边界框和类别标签 cv2.rectangle(image, (x, y), (x + width, y + height), (0, 255, 0), 2) cv2.putText(image, classes[class_id], (x, y - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2) # 显示输出图像 cv2.imshow("Output", image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 请根据你自己的需求修改代码中的文件路径和其他参数。这是一个基本示例，你可以根据自己的需求进行修改和扩展。希望对你有所帮助！

“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
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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