YOLOv8 训练 预测 更改save输出位置

已于 2024-06-04 15:33:54 修改
阅读量3.3k 收藏 16
点赞数 14
文章标签： YOLO
于 2024-02-05 14:30:46 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42693842/article/details/136041335
版权
本文详细解释了如何在Ultralytics的YOLO项目中修改default.yaml文件中的save_dir字段，以及如何自定义训练保存路径。
摘要由CSDN通过智能技术生成

/ultralytics/yolo/cfg/default.yaml
添加字段

save_dir: ./runs/train1 # 自己设置路径

标准方法

最近看源码发现了一个字典类型的参数 overrides
在构建predictor时加上这个参数, 或许可以覆盖默认的配置参数, 有时间再实践一下

TM 2.0
关注
  • 14
    点赞
  • 踩
  • 16
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
使用yolov7进行人物实例分割示例代码和训练代码
02-05
# 使用yolov7进行人物实例分割示例代码和训练代码 ## 使用方法 - 安装依赖项 ``` pip install -r requirements.txt ``` - 从链接下载权重，并保存在该目录中。 - 运行代码 ``` # 用于检测的分割 python3 segment/...
YOLOV8 python 训练模型输出路径更改
m0_49488235的博客
01-31 1669
复制项目根文件夹后, 训练的模型输出路径仍为原项目根路径下.1.记事本打开 settings.yaml 文件。
yolov8预测不同文件夹图片保存到对应名称文件夹
2301_76373273的博客
07-05 6079
yolov8检测不同文件夹下图片，并导出结果到对应名称文件夹
如何实现YOLOv8保存目标检测后的视频文件
Joining667的博客
04-15 1113
如何实现YOLOv8保存目标检测后的视频文件
yolov8的predict使用方法，更改predict.py的输出结果，输出label的真实坐标，保存图片和txt文档，图片中没有异物生成空的txt文档
m0_57847261的博客
11-09 1万+
更改predict.py的输出结果，输出label的真实坐标，保存图片和txt文档，图片中没有异物生成空的txt文档
深度学习yolov8模型预测视频结果保存代码
weixin_52010459的博客
04-08 731
Ultralytics本身提供了视频的预测代码，但是我并没有找到视频预测结果的存放位置，在查阅了官方网站和CSDN后我发现了它好像只是提供了视频预测过程中进行预测结果显示的代码，没有发现它怎么保存预测后的视频结果，所以寻找了一个对预测后结果进行导出的代码，并对其进行了部分修改。
YOLOv8教程系列：一、使用自定义数据集训练YOLOv8模型（详细版教程，你只看一篇-＞调参攻略），包含环境搭建/数据准备/模型训练/预测/验证/导出等
热门推荐
weixin_45921929的博客
01-13 18万+
YOLOv8教程系列：一、使用自定义数据集训练YOLOv8模型（详细版教程，你只看一篇->调参攻略），包含环境搭建/数据准备/模型训练/预测/验证/导出等
yolov8之训练、验证、预测、导出
Jumy_S的博客
09-24 6260
yolov8之训练
yolov8训练进阶：自定义训练脚本，从配置文件载入训练超参数
Awesome Computer Vision, 做计算机视觉的程序员
08-14 7536
该脚本通过argparse来接受命令行参数，并设置到超参数字典，和yolov5的启动脚本类似。data: 数据集配置文件hyp: 参数配置文件（上一节我们建立的）model: 模型权重或者模型结构配置文件其他参数根据名字就显而易见了。本文介绍了如何使用自定义训练脚本的方式启动yolov8的训练，有效的结合命令行和配置文件的优点，即可以灵活的修改训练参数，又可以用配置文件来管理我们的训练超参数。并通过修改文件，支持了DDP训练。
yolov8模型训练结果分析以及如何评估yolov8模型训练的效果
githubcurry
06-05 5万+
混淆矩阵是对分类问题预测结果的总结。使用计数值汇总正确和不正确预测的数量，并按每个类进行细分，显示了分类模型进行预测时会对哪一部分产生混淆。通过这个矩阵可以方便地看出机器是否将两个不同的类混淆了（把一个类错认成了另一个）。混淆矩阵不仅可以让我们直观的了解分类模型所犯的错误，更重要的是可以了解哪些错误类型正在发生，正是这种对结果的分解克服了仅使用分类准确率带来的局限性（总体到细分）。
超详解| Yolov8模型手把手调参 | 配置 | 模型训练 | 验证 | 推理
穿着帆布鞋也能走猫步
09-06 4万+
Yolov8参数详细解析
Yolov8教程，安装，训练，推理速度太强悍了，详细教学
m0_62479378的博客
05-03 3万+
小白学习使用yolov8，训练自己的数据集，并且使用yolov调用摄像头
时间序列分析程序.zip_matlab_ownerni8_ran9fw_save987_时间序列预测
07-15
利用MATLAB进行时间序列分析程序的例题计算。时间序列法可以对一组比较有时间规律的数据进行预测。
基于C++实现yolov8pose算法移植部署瑞芯微rk3568嵌入式开发板项目源码+实验说明.zip
最新发布
05-30
char save_image_path[256] = "/home/zhangqian/rknn/examples/rknn_yolov8pose_demo_open/test_result.jpg"; detect(model_path, image_path, save_image_path); return 0; } ``` # 板端测试效果 冒号“:”...
keras输出预测值和真实值方式
12-17
在使用keras搭建神经网络时，有时需要查看一下预测值和真是值的具体数值，然后可以进行一些其他的操作。这几天查阅了很多资料。好像没办法直接access到训练时的数据。所以我们可以通过回调函数，传入新的数据，然后...
pytorch-yolov3:YOLOv3网络的PyTorch实现
05-14
在PyTorch中实现的YOLO v3对象检测器该存储库包含YOLOv3的PyTorch实现论文。 为什么要执行此回购？ 该代码以pythonic /“ pytorch ish ”样式实现了论文，并且将为PyTorch用户了解并使用YOLOv3对象检测器提供熟悉和...
yolov8测试图片并保存预测结果，用于map的计算
qq_42178122的博客
10-08 9082
当我们使用yolov8进行测试指定文件夹里的图片时，为了计算相应的map，需要先将yolov8的预测结果保存为txt文件；然后将txt文件中的格式(类别、框的中心点和高宽，置信度)转换成符合要求的格式(类别、置信度、框左上角坐标点、框右下角坐标点)。最后运行map计算代码。
深度学习笔记_10YOLOv8系列自定义数据集实验
cfy2401926342的博客
05-08 989
在ultralytics/models/v8/目录下是模型的配置文件，随着架构的增大，训练时间也是逐渐增大，只用修改一个参数，把nc改成自己的类别数，需要取整。F1得分是精确度和召回率的调和平均值，曲线的峰值表示给定置信度阈值下精确度和召回率的最佳平衡点。与普通混淆矩阵类似，但这里的值显示的是每个类别的预测正确比例。这些图表和数据文件展示了模型在训练过程中的性能变化，包括损失函数的变化和评估指标（如精确度、召回率和mAP）的变化。边界框宽度：这也是一个归一化后的值，代表对象边界框的宽度。
yolov8---predict实验
sanqianyanyue的博客
01-09 1750
yolov8推理实验
yolov8训练python
09-13
要使用Python进行YOLOv8训练，您可以使用ultralytics库提供的代码。您可以按照以下步骤进行操作： 1. 首先，您需要安装ultralytics库。可以使用以下命令在Python环境中安装它： ``` pip install -U git+https://github.com/ultralytics/yolov5.git ``` 2. 导入YOLO类和必要的依赖项： ```python from ultralytics import YOLO ``` 3. 创建一个YOLO对象并加载预训练的YOLOv8模型： ```python model = YOLO("xxxx.pt") # 或者使用"yolov8x.yaml"用于训练 ``` 4. 使用模型进行预测。您可以传递单个图像路径或图像文件夹路径： ```python image = "xxx.jpg" # 图片路径或文件夹路径 results = model.predict(image, save=True) # 返回图像的预测结果 ``` 5. 如果您想要训练自己的数据集，可以使用以下代码： ```python model.train(data="数据集路径.yaml", epochs=200, batch=16) ``` 其中，"数据集路径.yaml"是您自己的数据集的路径，epochs是训练的轮数，batch是每个批次的样本数量。 这是一个基本的YOLOv8训练和预测的Python代码示例。您可以根据自己的需求进行修改和扩展。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值