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