YOLOv8学习

1 YOLOv8训练自己的数据集

1.1 部署和运行

1.1.1 第一步，下载代码

源码地址

1.1.2 第二步，创建环境

默认已经安装好conda

conda create -n yolopy38 python=3.8

conda activate yolopy38

安装所需要的包，先cd到代码目录下

pip install -r requirements.txt

pip install ultralytics
pip install yolo

1.1.3 下载预训练权重

路径：docs/models/yolov8
找到里面对应的链接到网页里下载即可
下载后存放在项目根目录下
这里选择YOLOv8n的模型

1.1.4 尝试跑一下预测

复制官网上述这段代码，改一下路径（原本项目中/ultralytics/assets下就有两张，直接用其中一张即可）

ps：
运行时出现了 如下错误

Error: No such command ‘predict’.

解决方法：

 python setup.py install

参考 GitHub上的一个issue

1.2 训练自己的数据集

1.2.1 数据集存放

数据集格式参考coco128

数据集MoonCake文件夹下分为images和labels两个文件夹，images文件夹下分为train和val两个文件夹，每个文件夹下存对应的图片；labels文件夹下分为train和val两个文件夹，每个文件夹下存对应的标签。

1.2.2 编写数据集yaml文件

参照ultralytics/cfg/datasets文件夹下的coco128.yaml文件，编写一个MoonCake.yaml文件，存放在同一目录下。

1.2.3 开始训练

可以打开这个文档看一下

yolo detect train data=ultralytics/cfg/datasets/MoonCake.yaml model=yolov8n.yaml pretrained=yolov8n.pt epochs=100 batch=4 lr0=0.01 resume=True
注意：训练自己的数据集时，data要写完整路径 原因

ps：resume表示训练时是否断点续传