目标检测：YOLOv8跑coco128数据集

1.数据集准备

在官网下载coco128数据集，或者在链接中通过百度网盘分享的文件：coco128.zip
链接：https://pan.baidu.com/s/15X3vcbMLdvPWvmFDEAwjBA?pwd=abeg 
提取码：abeg 里面有图片和打好的标签

我创建了个dataset文件夹，然后把coco128文件到dataset文件夹下，也可以之间把数据集放到ultralytics-main\ultralytics\cfg\datasets文件夹下

2.官网下载YOLOv8

在github上下载或者在gitee下载，别忘了下载权重文件，我使用的是yolov8n.pt

3.配置环境

我在pycharm中跑的代码，参考其他博主的流程，我很早就配置了环境，但是在训练过程中显示有些库的版本太老了，个人比较懒就没有重新配环境（主要是怕配置不好影响之前的配好的环境）

4.训练及参数修改

4.1 yaml参数修改

4.1.1 数据集yaml文件参数修改

在ultralytics-main\ultralytics\cfg\datasets\coco128.yaml下修改train和val的路径，使用绝对路径

如

train: E:\venv2\ultralytics-main\dataset\coco128\images\train2017 # train images (relative to 'path') 128 images
val: E:\venv2\ultralytics-main\dataset\coco128\images\train2017

4.1.2 配置yaml文件参数修改

在ultralytics-main\ultralytics\cfg\default.yaml下修改参数，task,mode,model,data（使用绝对路径）,epochs,batch,save,device,works等。

注意：data的路径表示的是cfg\datasets\中的yaml文件，试了相对路径报错，因此改为绝对路径

下面给出部分参数修改代码：

task: detect # (str) YOLO task, i.e. detect, segment, classify, pose
mode: train # (str) YOLO mode, i.e. train, val, predict, export, track, benchmark

#train setting 
model: yolov8n.pt # (str, optional) path to model file, i.e. yolov8n.pt, yolov8n.yaml
data: E:\venv2\ultralytics-main\ultralytics\cfg\datasets\coco128.yaml # (str, optional) path to data file, i.e. coco128.yaml
epochs: 50 # (int) number of epochs to train for

4.2 训练

在终端输入下列代码

yolo train model=yolov8n.pt data=coco128.yaml epochs=50 imgsz=640

但是训练结束后的配置文件args.yaml显示batch,save_period,device未修改，不知道是什么原因，可能是需要修改哪个yaml文件（目前没找到），因此在输入训练代码时指定部分参数

yolo train model=yolov8n.pt data=coco128.yaml epochs=50 imgsz=640 batch=4 workers=2 save_period=10 patience=1

这样跑出来就正常了

5.预测

预测采用的官方的权重文件

需要修改ultralytics-main\ultralytics\cfg\default.yaml的mode为predict

在终端中输入下面代码为

yolo predict model=yolov8n.pt source='./ultralytics/assets/zidane.jp'

6.报错

6.1 找不到数据,miss data

将数据路径都改为绝对路径

6.2 训练出来显示一些参数和设置的不一样，比如batch

在训练时终端中直接指定