v8中使用TensorBoard进行训练可视化（可用于论文）

总体流程：
①安装好v8的所有依赖后，接着在虚拟环境下安装

pip install tensorboard

②开始运行v8的训练脚本，比如我使用如下脚本训练：

# import warnings
# warnings.filterwarnings('ignore')
from ultralytics import YOLO
# import os
# os.environ['KMP_DUPLICATE_LIB_OK']='True'

if __name__ == '__main__':
    model = YOLO(r'D:\Pycharm-Projects\YOLOv8bishe\ultralytics\cfg\models\v8\yolov8s.yaml')

    model.load(r'D:\Pycharm-Projects\YOLOv8bishe\yolov8s.pt') # 是否加载预训练权重,科研不建议大家加载否则很难提升精度

    model.train(
                data=r'D:\Pycharm-Projects\YOLOv8bishe\ultralytics\cfg\datasets\Fire.yaml',  #  将data后面替换你自己的数据集地址
                cache=True,#如果设置为True，在训练前将整个数据集加载到内存中，可以加速训练过程，但需要较多内存
                imgsz=640,#训练时输入图像的大小，这里设置为640x640像素。图像尺寸对模型性能和速度有重要影响
                epochs=2,#训练的总轮数，这里设置为100轮。一个epoch表示整个数据集被模型看过一次
                single_cls=False,  # 是否是单类别检测,如果设置为True，表示模型仅需要识别一种类别。
                batch=16,#批大小，每次迭代训练所用的样本数量。这里设置为1，通常较小的批大小会使训练过程更稳定，但可能会增加训练时间
                close_mosaic=10,#是一个特定于YOLOv8的参数，用于控制何时停止使用mosaic数据增强（一种图像数据增强方法）
                workers=0,#用于加载数据的工作线程数。设置为0表示数据加载将在主线程中进行。
                device='0',#指定训练使用的设备，'0'通常表示使用第一个GPU
                optimizer='auto',  # using SGD,选择优化器，这里使用SGD（随机梯度下降）
                amp=False,  # 自动混合精度训练，可以提高训练速度和效率，同时减少内存使用。如果训练中出现损失为NaN，可以关闭此功能
                project='runs/train',
                name='v8-fire',#训练实验的名称，输出文件将保存在project/name目录下。
            
                )

其中project=‘runs/train’, name='v8-fire’中的name='v8-fire’必须使用英文，而不能使用name=‘v8-火焰’。否则训练的时候你会发现如下这个：

 18                  -1  1    493056  ultralytics.nn.modules.block.C2f             [384, 256, 1]
 19                  -1  1    590336  ultralytics.nn.modules.conv.Conv             [256, 256, 3, 2]
 20             [-1, 9]  1         0  ultralytics.nn.modules.conv.Concat           [1]
 21                  -1  1   1969152  ultralytics.nn.modules.block.C2f             [768, 512, 1]
 22        [15, 18, 21]  1   2116435  ultralytics.nn.modules.head.Detect           [1, [128, 256, 512]]
YOLOv8s summary: 225 layers, 11135987 parameters, 11135971 gradients, 28.6 GFLOPs

Transferred 349/355 items from pretrained weights
TensorBoard: WARNING ⚠️ TensorBoard not initialized correctly, not logging this run. runs\train\v8-火焰 is not a directory

③开始运行这个训练脚本

④迭代全部运行之后，会生成runs/train/v8-fire文件夹，这个文件夹下会出现这样的一个文件
events.out.tfevents.1718374932.LAPTOP-MEKRRRVR.22272
（这个对后续tensorboard的打开很重要）
⑤虚拟环境下执行如下命令即可：（关闭魔法）

tensorboard --logdir=D:\Pycharm-Projects\YOLOv8bishe\runs\train\v8-fire

⑥运行后会出现端口地址，打开后就可以看到可视化界面了