YOLOv8训练自己的数据集

1、代码下载

代码链接：
https://github.com/ultralytics/ultralytics
权重链接：
https://github.com/ultralytics/assets/releases

注意：YOLOv8在代码仓库的名字叫作ultralytics，而并非yolov8

下载：点击右上角的绿色Code按钮，再点击Download，即可完成代码下载

解压之后添加到pycharm工程中，如图所示：
其中，paper_data为自制数据集，如何制作详情请看：
https://aistudio.csdn.net/62e38a58cd38997446774bfa.html?spm=1001.2101.3001.6650.3&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Eactivity-3-109111065-blog-106645048.pc_relevant_3mothn_strategy_and_data_recovery&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Eactivity-3-109111065-blog-106645048.pc_relevant_3mothn_strategy_and_data_recovery&utm_relevant_index=4
注意：数据集的制作没有区别，只不过用的yolo版本不同罢了

2、环境准备

注意：python版本>=3.8，pytorch版本>=1.7

2.1 安装依赖（各种第三方库）
运行requirements.txt文件即可完成对所有库的安装，包括pytorch等众多第三方库。
运行该文件需要先进入到该文件所在的文件夹：cd 各层文件夹。进入所在文件夹之后再运行该文件。

pip install -r requirements.txt -i https://mirrors.bfsu.edu.cn/pypi/web/simple/

2.2 安装ultralytics
ultralytics集成了yolo的各种包以及模型等，程序中直接调用。

pip install ultralytics

2.3 手动下载权重
下载链接：https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n.pt
位置：
拷贝到ultralytics-main\ultralytics\yolo\v8\detect\yolov8n.pt

3、测试运行

3.1 修改default.yaml文件
位置：ultralytics-main\ultralytics\yolo\cfg\default.yaml

task：detect 指定任务为目标检测
model：train 指定本次模式为训练模型
epochs：300 指定训练总周期
batch：2 指定每次训练加载的批次大小（根据个人GPU显存大小自行设置）
imgsz：640 指定输入图片的大小
save：True 指定训练过程中保存权重
device：0 指定使用cuda运行（没有显卡的可以用cpu运行）
workers：1 指定加载数据的线程数（根据个人GPU显存大小自行设置）

3.2 修改train.py文件
位置：ultralytics-main\ultralytics\yolo\v8\detect\train.py

model = ‘yolov8n.pt’ 手动下载的权重文件，和train.py同一目录
data = ‘test.yaml’ 数据集地址文件，和train.py同一目录（注意：test.yaml是手动创建的）

其中train和val对应训练集和验证集的地址（注意：我的数据集放在本地pc上，如果放在服务器上则地址为/home/xxx/xxx/…），nc为数据集的类别数，names为类别名称

3.3 开始训练
右键train.py点击run

结果保存的位置：