YOLOv8训练自定义数据集yaml中的相对路径datasets_dir，以方便移植

之前使用yolov5和yolov9，它们在训练时数据集与代码的目录是这样的：

以yolov5中coco128.yaml为例

# Example usage: python train.py --data coco128.yaml
# parent
# ├── yolov5
# └── datasets
#     └── coco128  ← downloads here (7 MB)


# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../datasets/coco128  # dataset root dir
train: images/train2017  # train images (relative to 'path') 128 images
val: images/train2017  # val images (relative to 'path') 128 images
test:  # test images (optional)

但是yolov8是这样的

# parent
# ├── ultralytics
# └── datasets
#     └── coco128  ← downloads here (7 MB)

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../datasets/coco128 # dataset root dir
train: images/train2017 # train images (relative to 'path') 128 images
val: images/train2017 # val images (relative to 'path') 128 images
test: # test images (optional)

datasets和代码放在一起，移植的时候很不方便。虽然也可以把path改为绝对路径，移植的时候还要改。

因此尝试将datasets不在代码的文件夹里，和yolov5或v9一样，即在parent中：

用户数数据集配置文件XXX.yaml

首先，用户数据集配置文件，存放路径和其他yaml文件放在一起，在

parent/yolov8-main(原文件夹名是ultralytics-main)/ultralytics/cfg/datasets

比如这个用户定义的WSY-seg.yaml (wsy是我师姐，感谢她把她标注的数据集分享给我)

# parent
# ├── yolov8
# └── datasets
#     └── WSY-seg


# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../datasets/WSY-seg  # dataset root dir
train: images/train  # train images (relative to 'path') 128 images
val: images/train  # val images (relative to 'path') 128 images
test:  # test images (optional)

# Classes
names:
  0: embryo
  1: cell

更改parent/yolov8-main/ultralytics/utils/__init__.py

第933行左右“datasets_dir”

        self.defaults = {
            "settings_version": version,
            '''这里'''
            "datasets_dir": FILE.parents[2],#str(datasets_root / "datasets"),
            "weights_dir": str(root / "weights"),
            "runs_dir": str(root / "runs"),
            "uuid": hashlib.sha256(str(uuid.getnode()).encode()).hexdigest(),
            "sync": True,
            "api_key": "",
            "openai_api_key": "",
            "clearml": True,  # integrations
            "comet": True,
            "dvc": True,
            "hub": True,
            "mlflow": True,
            "neptune": True,
            "raytune": True,
            "tensorboard": True,
            "wandb": False,
        }

理由是：该文件开头定义了

FILE = Path(__file__).resolve()

FILE是当前目录即parent/yolo-v8.main/ultralytics/utils

我们找到它的“曾祖父目录”就是在parent

因此，WSY-seg.yaml中的

path: ../datasets/WSY-seg

 在运行时就实际上是

path: parent/datasets/WSY-seg

替换其他位置同理。

而且在这段代码里，还可以把tensorboard和wandb关闭（修改为False即可），这样在训练过程中就不会弹出。

开始训练

在yolov8-main下创建train_seg.py，对照文档实例创建即可

配置 -Ultralytics YOLOv8 文档https://docs.ultralytics.com/zh/usage/cfg/#modes该方法中，也要用Path获取当前路径，这样这里也不会出现绝对路径了。

from ultralytics import YOLO
import sys, os
from pathlib import Path

"""获取当前的文件的绝对路径，并将父目录作为根目录(变量：ROOT)，方便其他文件引用"""
FILE = Path(__file__).resolve()
ROOT = FILE.parents[0]  # YOLOv8 root directory
if str(ROOT) not in sys.path:
    sys.path.append(str(ROOT))  # add ROOT to PATH
ROOT = Path(os.path.relpath(ROOT, Path.cwd()))  # relative


# Load a model
model = YOLO("yolov8n-seg.pt")  # load a pretrained model (recommended for training)


# Train the model
if __name__=="__main__":
    '''多线程要在main中执行'''
    results = model.train(data = ROOT/"ultralytics/cfg/datasets/WSY-seg.yaml", epochs=500, batch= 4, imgsz=640)

运行的时候会有警告：

WARNING ⚠️ Ultralytics settings reset to default values.

但好像没什么影响，忽略就好了。

之后可以正常训练了。移植时候保证datasets和yolov8-main在同一路径即可。