v8使用wandb方法进行训练的可视化（可用于论文）

①关闭魔法，虚拟环境下安装

pip install wandb

②注意我下面的v8的训练脚本train.py代码：

import sys
sys.path.append(r"D:\Pycharm-Projects\YOLOv8bishe\ultralytics")#直接强制扫描ultralytics，不会出现No module named 'ultralytics'，一定要放在最上面

from ultralytics import YOLO
# import warnings
# warnings.filterwarnings('ignore')
# 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=300,#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。
            
                )

其中的project=‘runs_train’，不能使用runs/train，否则wandb会对非法字符报错

③开始运行脚本，如下图所示，便正常：

④在训练的同时，新建一个新的终端，虚拟环境下输入指令：

wandb login --relogin

回车执行，如下：

ctrl＋左击，这个显示出来的链接：

https://wandb.ai/authorize

会出现这个页面：

请开启魔法，注册账户或者谷歌账户登陆

⑤注册好后页面会出现这个：

⑥将这个key复制一下，粘贴到：

这个quit后面（它不会显示出key），直接回车就可
⑦点击Profile进入就可
⑧然后拖到最下面，你会发现Runs文件夹：

点击这个即可。
进去后便出现：

⑨点击：

会出现：

可以实时观察。