关于YOLOv8训练时生成的runs文件不在项目根目录中而在其他项目路径中的问题

dd_Zing

已于 2023-10-19 20:25:33 修改

阅读量3k

点赞数 7

分类专栏：一些报错文章标签： YOLO 人工智能深度学习

于 2023-10-19 20:24:25 首次发布

本文链接：https://blog.csdn.net/qq_43826220/article/details/133934190

版权

一些报错专栏收录该内容

6 篇文章

订阅专栏

博客主要围绕YOLO训练结果保存目录问题展开。官方称这需深入检查，即便少数情况，结果也会保存在非运行脚本项目的子目录。如训练脚本在project1，运行保存目录却在project2。还提到这与环境有关，给出在终端输入cli指令的解决办法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

解决办法：

在终端输入cli指令：

yolo settings reset

原因：
官方答复

这实际上是需要深入检查的事情。即使在少数情况下，我也看到结果保存在一些目录/项目中，这些目录/项目甚至不是我从运行脚本的项目的子目录。

例如：我的训练脚本目录是：'/home/projects/project1/workspace.py' 我的运行保存目录是：'/home/projects/project2/runs/predict/train(n)'

然而，值得注意的是这是特定于环境的。当我创建环境时，我正在project2中工作，但当我在Project1中使用conda使用相同的环境时，运行仍然会保存到project2目录中。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

dd_Zing

关注关注

7
点赞
踩
29

收藏

觉得还不错? 一键收藏
3
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

YOLOv11来了，使用YOLOv11训练自己的数据集和推理(附YOLOv11网络结构图)

在职AI算法工程师，擅长计算机视觉，YOLO目标检测、分割等，擅长web、pyqt界面可视化，好内容持续更新中，来这里跟大家一起学习，共同进步

10-02

15万+

YOLOv11 由 Ultralytics 在 2024 年 9 月 30 日发布，最新的 YOLOv11 模型在之前的 YOLO 版本引入了新功能和改进，以进一步提高性能和灵活性。YOLO11 在快速、准确且易于使用，使其成为各种对象检测和跟踪、实例分割、图像分类和姿态估计任务的绝佳选择。

手把书教你使用YOLOv8训练自己的数据集(附YOLOv8模型结构图)

在职AI算法工程师，擅长计算机视觉，YOLO目标检测、分割等，擅长web、pyqt界面可视化，好内容持续更新中，来这里跟大家一起学习，共同进步

08-07

1万+

YOLOv8 是由Ultralytics团队开发的，2023 年发布。YOLO系列模型以其快速和准确的目标检测能力而闻名，并且YOLOv8继承了前几代YOLO模型的优点，同时进行了多方面的改进和优化，以提高检测性能和效率。YOLOv8 常用于目标检测、分割、关键点检测和分类。

3 条评论您还未登录，请先登录后发表或查看评论

Yolov8目标识别——模型训练结果可视化图分析与评估训练结果

热门推荐

知来者逆的博客

01-16

6万+

Yolov8在训练完成之后，会在run目录下把训练的过程一些参数与结果示意图保存下来,这里面包含是目标检测性能指标，如下图:表示正确预测的目标数量与总预测数量的比率。表示模型正确预测为正样本的样本数量占所有预测为正样本的样本数量的比例。表示模型正确预测为正样本的样本数量占所有实际正样本的样本数量的比例。综合考虑精确率和召回率，是精确率和召回率的调和平均数。衡量模型检测出的区域与实际目标区域的重叠程度。在目标检测中，AP通常指Precision-Recall曲线下的面积，用于综合评估模型的性能。

使用yolov8训练数据集及使用中遇到的问题_yolov8的ultralytics models文件夹下没有v8这个文件夹

2401_83817769的博客

04-09

1318

下载链接，我下了yolov8s.py，放在该路径E:\nfshare\yolov8\ultralytics\weightsps：model文件类型可以是yaml，也可以是ptE:\nfshare\yolov8\ultralytics\cfg\models\v8\yolov8.yaml，就改类别数 4.新建data文件 E:\nfshare\yolov8\ultralytics\cfg\datasets\hr.yaml，这些和yolov5一样E:\nfshare\yolov8\ultralytics\cfg\

YOLOv8找不到runs文件夹

Dneccc的博客

03-15

2224

是因为配置文件里写的是相对路径，他在你当前根目录生成了runs 解决办法： 1. Windows C:\Users\xxx\AppData\Roaming\settings.yaml 2. Linux /home/xxx/.config/settings.yaml 将 runs_dir: runs 改为绝对路径runs_dir: D:\yolov8\runs

YOLOV8——训练模型找不到runs文件夹

2303_77144411的博客

10-14

926

在训练完成后找不到runs文件夹的原因：

yolov8训练完毕后 runs路径不在当前文件夹下

yourhjt的博客

11-15

429

结果，后面拿原先第一次装的yolov8进行训练时，runs路径不会保存在训练的当前目录下，而是保存在了第二次装的yolov8里面。由于之前在电脑上装了两个yolov8的代码包，自己拿第二次新装的yolov8进行过训练，然后发现重合以后，就在电脑里面删除了。在终端输入这个命令就可以解决了。

YOLOv8训练时，容易出现模型路径和数据路径找不着的问题。比如C:\Users\aoqia\Desktop\ultralytics-main\yolov8n.yaml

weixin_43501408的博客

04-16

3015

YOLOv8训练时，容易出现模型路径和数据路径找不着的问题。比如C:\Users\aoqia\Desktop\ultralytics-main\yolov8n.yaml。在训练文件中，尽量路径指向单一，如图1所示。并且在default.yaml中使用绝对路径，如图2所示。

手把手教你搭建YOLOV8+CUDA环境，训练自定义数据集，训练推理验证导出。小白也能看得懂的！

专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。

05-18

1万+

YOLO（You Only Look Once）系列算法因其高效、准确等特点而备受瞩目。由2023年Ultralytics公司发布了YOLO的最新版本YOLOv8是结合前几代YOLO的基础上的一个融合改进版。本文主要介绍YOLOv8环境搭建/数据集获取/训练/推理/验证/导出/部署

在自定义数据集上训练 YOLOv8——完整教程

DT程序员的博客

06-02

1092

详细介绍在自定义数据集上训练 YOLOv8的完整教程

YOLOV8 YOLOV11训练自己的数据集

m0_67770043的博客

11-04

542

假设你已经有了自己要训练的照片，我们可以使用lableme或者其他工具为图像标注，这里不再过多演示，因为标注的数据是json格式而YOLO需要的是下面格式的数据（类别矩形框的中心点坐标x,y 框的长宽）注意：标签名要和数据名统一最后得到的数据目录如下。

Yolov5训练问题笔记：训练文件路径不对，找不到，问题解决

m0_50317149的博客

07-17

3492

因为我之前已经在我的电脑上跑过yolo了，所以在label文件夹下多了几个以.coach结尾的缓存文件，这个文件会保存你第一次运行时数据集的路径，以后你每次跑都会调用这个缓存路径。\VOCdevkit\images\train\000000.jpg 这个文件找不到，这个文件属于训练文件图片的第一张，说明我路径错了。由于我代码跑的太慢，所以我把代码移到了服务器上跑，报了Image not found错误。发现路径没有问题，检查了半天，甚至重新把项目解压了一遍还是没问题，我一开始是直接打开了我的配置文件。

YOLOv8修改输出文件夹位置，按日期生成文件夹，包含图片标签文本

记录自己的学习历程。

05-28

3999

YOLOv8修改输出文件夹位置，按日期和运行次数生成文件夹，文件夹中包含检测后图片和对应的标签文本。

YOLOv8 问题记录

一点回忆

11-09

389

解读YOLOV5的runs文件

m0_66447617的博客

04-14

2万+

使用YOLOV5训练数据之后我们需要一些评判标准来告诉我们所训练的效果究竟如何。这时，YOLOV5给出了一个文件解决我们的问题。该文件在直接生成为runs文件，可理解记录一些运行时的日志信息。 confusion_matrix.png(混淆矩阵) 作为一种特定的二维矩阵，列代表预测的类别，行代表实际的类别。其对角线上的值表示预测正确的数量比例，非对角线元素则是预测错误的部分。混淆矩阵的对角线值越高越好，这表明许多预测是正确的。上图是对是否戴口罩进行训练，有图可以看出将一个图片分为了三个部分

Yolov8用法

Tesseract_9527的博客

05-31

1792

文件：E:\ultralytics\ultralytics\models\yolo\detect\predict.py。文件：E:\ultralytics\ultralytics\models\yolo\detect\train.py。文件：E:\ultralytics\ultralytics\models\yolo\detect\val.py。需增加的代码示例：自己看着来，参考训练和评估就能写出来。

YOLOv8数据集存放位置

weixin_74319382的博客

09-27

4510

YOLOv8 会将第一次运行的位置当做默认位置，此后不管将 ultralytics 移动到何处，训练时都将在第一次运行的位置寻找数据集并且将训练结果存储在与数据集同级的目录下。而且很难找到改变路径的方法，其实 YOLOv8 的配置文件隐藏地很深。在 ...\ultralytics\ultralytics\utils 下有 _init_.py 文件，其中指明了 YOLOv8 的数据集配置文件的存放位置，不同的操作系统有不同的位置。在不同的操作系统上运行以下代码即可知 Path.home() 位置。

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

1万+

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。

YOLOv8-训练自己的数据集

qq_46542320的博客

11-05

8072

model：选择YOLOv8不同的模型配置文件，可选yolov8s.yaml、yolov8m.yaml、 yolov8x.yaml等。mode：选择任务类型，可以选择训练、验证或者预测的任务，['train' 'val' 'test']task：选择任务类型，可以选择['detect' 'segment' 'classify' 'init']原本红框内是80，则改为4，你的数据集类别个数有多少，就写多少。

yolov8训练时需要自己创建文件夹存权重吗

最新发布

03-26

<think>好的，用户的问题是关于YOLOv8训练时是否需要手动创建存储权重的文件夹。我需要先回想一下YOLOv8的相关文档和常见操作流程。首先，YOLOv8是Ultralytics开发的，他们的框架通常设计得比较用户友好，很多配置可能已经自动化了。比如在训练过程中，保存模型权重的位置是否有默认设置，或者是否会自动生成必要的文件夹结构。然后，根据以往使用YOLOv5的经验，训练脚本会自动创建runs/train目录，每次训练生成一个exp+数字的文件夹，里面包含权重、日志等。推测YOLOv8可能延续了这一做法，但需要确认。接下来，考虑到用户提到的YOLOv3教程中的步骤，需要手动复制一些文件到指定目录。这可能让用户担心YOLOv8是否也需要类似的手动操作。这时候需要明确两者的差异，指出YOLOv8的改进点。另外，用户可能关心如果自定义保存路径，是否需要手动创建。这时候应该说明默认情况下自动创建，但如果指定了其他路径，可能需要确保父目录存在，或者YOLOv8是否会自动处理。还要检查官方文档或社区讨论，确认是否有明确的说明。例如，Ultralytics的文档提到训练时的参数，如project和name，用于指定保存路径，如果这些路径不存在，是否会自动生成。可能还需要提醒用户，即使自动创建，权限问题也可能导致失败，所以确保有写入权限。此外，自定义路径时可能需要手动创建父目录，或者YOLOv8会递归创建所需目录。总结：YOLOv8在训练时会根据参数自动创建权重文件夹，无需手动干预，除非用户指定了特殊路径且父目录不存在，这时可能需要手动创建父目录。需要以清晰的结构回答，并引用相关文档或实践例子。</think>在使用YOLOv8进行训练时，**权重文件夹的创建方式取决于训练配置**： 1. **默认情况下**，YOLOv8会自动生成存储权重的路径（如`runs/train/exp*/weights/`），无需手动创建； 2. **自定义路径时**，若指定路径的父目录已存在，系统会自动创建最终子目录； 3. **特殊需求场景**（如分布式训练或特定存储位置），建议手动创建完整路径以保证兼容性。 ```python # 示例：YOLOv8训练命令（自动创建路径） from ultralytics import YOLO model = YOLO('yolov8n.yaml') model.train(data='coco128.yaml', epochs=100, imgsz=640) # 权重将自动保存在./runs/train/exp/weights/ ``` $$ \text{路径生成规则}:\begin{cases} \text{默认路径} = \text{项目根目录}/runs/train/exp[N]/ \\ \text{自定义路径} = \text{用户指定路径} \end{cases} $$ 需要注意的是，YOLOv8继承了Ultralytics框架的自动化设计，其路径管理逻辑与早期YOLO版本不同，例如YOLOv3需要手动配置权重存储位置[^1]。若训练时出现路径错误，可检查文件系统权限或路径字符串格式。