自用yolov8 复现

1. 环境配置

平台：https://www.autodl.com/home
环境选择：同yolov5的社区镜像

2.安装过程：

获取源码

git clone https://github.com/ultralytics/ultralytics

配置

cd ultralytics/
pip install ultralytics

3.上传参数和自定义训练集 ：

自定义数据集格式 参考官方数据集格式

data.yaml 写入文件路径和类别

准备好yolov8.pt文件

可以使用百度网盘上传数据集，具体可以查看帮助，需要搞个svip

4.训练指令：

yolo task=detect mode=train model=yolov8n.yaml data=data.yaml epochs=100 batch=16

开始训练

 def main(opt):
    yaml = opt.cfg
    model = YOLO(yaml) 

    model.info()

    results = model.train(data='coco128.yaml',  # 训练参数均可以重新设置
                        epochs=100, 
                        imgsz=640, 
                        workers=8, 
                        batch=16,
                        )

def parse_opt(known=False):
    parser = argparse.ArgumentParser()
    parser.add_argument('--cfg', type=str, default='ultralytics/cfg/models/v8/yolov8.yaml', help='initial weights path'，data='data.yaml',model='yolov8n.yaml' )
    parser.add_argument('--weights', type=str, default='', help='')

    opt = parser.parse_known_args()[0] if known else parser.parse_args()
    return opt

if __name__ == "__main__":
    opt = parse_opt()
    main(opt)

调整cfg里参数（后续补充）

验证指令

yolo task=detect mode=val model=runs/detect/train/weights/best.pt data=data.yaml  batch=8 workers=2

视频测试
default1.yaml对应的文件地址修改为
/data/vidao

yolo cfg=/root/ultralytics/ultralytics/yolo/cfg/default1.yaml

视频帧率跨度
vid_stride: 1 # video frame-rate stride