YOLOv8训练和断点续训——使用python命令

        打开工程文件中的default.yaml文件对其中的超参数进行调节，调节结果样图如下：

        接下来在ultralytics-main文件目录下新建一个train.py文件，文件内容如下：

from ultralytics import RTDETR
from ultralytics import YOLO
if __name__ == '__main__':
    # 载入模型，换成你自己的模型路径。
    model = YOLO(r'D:\pzy\ultralytics-main\ultralytics\cfg\models\v8\yolov8.yaml')


    # 训练模型
    model.train(data=r'D:\pzy\ultralyticsmain\datasets\data.yaml',
                cfg=r'D:\pzy\ultralytics-main\ultralytics\cfg\default.yaml')
#data为数据集的路径   
#cfg的路径为自己设置超参数的defult.yaml文件的路径。

         训练过程中如果中断了训练可以换用下面方式从断点处重新训练。

from ultralytics import RTDETR
from ultralytics import YOLO
if __name__ == '__main__':
    #将下面的路径换成之前训练文件中的最后的权重last.py，该文件在run文件夹下。
    model = YOLO(r'D:\pzy\ultralytics-main\runs\detect\train2\weights\last.pt')
    #下面的命令不变。
    model.train(resume=True)  #断点续训

        通过上面的方式就可以实现YOLOv8模型的训练和断点续训了。