yolov8在云服务器训练自己的数据集

第一步：创建自己的云服务器实例

1.打开一个提供云服务器的平台，这里以蓝耘GPU智算云平台为例蓝耘GPU智算云平台 (lanyun.net)，在容器云市场根据需要的显卡选择一个服务器（地区无所谓，随便选），点击立即购买。

2.选择一个主机

然后划到最下面选择框架，选PyTorch，版本可以按自己需求选择

然后点立即购买

 

第二步：打开实例

1.将实例开机，开机成功后就是这样的

2.点击快捷工具JupyterLab

3.打开JupyterLab就是这样的

第三步：安装FinalShell（因为JupterLab只能上传单个文件，利用FinalShell后面可以直接正规上传我们的数据集），连接服务器，安装可以看Windows系统FinalShell的下载、安装及基本使用_finalshell 下载-CSDN博客

1.连接服务器

 2.复制SSH信息

将复制的内容粘贴到备注里面，方便我们复制，内容里@后面的内容是主机，前面的数字是端口号，root是用户名。

密码在这复制

名称可以自行命名，这里就命名为v8-lab1 

然后点击确定，就连接上了.然后双击，就打开了。

点击接受并保存

第四步：下载yolov8文件，配置环境

1.进入autodl-tmp文件，一般都把所有实验文件放在这个文件夹，然后打开终端

（如果下载ultralytics出现这样的错误Could not find a version that satisfies the requirement，请参考最后）

新建一个python文件，用来训练代码

训练文件train.py的代码只需要修改这3个地方

第五步：上传数据集，修改数据集配置文件，训练数据

1.将yolo格式的数据集上传，我是上传到这里的。数据集hanjie2里面包括images和labels两个文件夹，images文件夹里面包括train文件和val文件，就是训练的图片和验证的图片。labels也包括train文件和val文件，训练的标签和验证的标签。

2.数据集的配置文件放在这里的，配置文件里面注意路径

第六步：开始训练：

进入终端，进入目标ultralytics，然后直接python train.py,就可以开始训练了。训练结果如下

完成。

注：如果在pip install ultralytics出现这样的问题

Could not find a version that satisfies the requirement

我是这样解决的，在创建实例的时候，不选择pytorch，选择miniconda

然后进入终端的时候创建一个虚拟环境，通过conda create  --name myev python=3.8，创建了一个叫myev的虚拟环境，然后进入虚拟环境，我这里已经创建过虚拟环境了，就直接进入了

然后你通过conda去下载ultralytics的包，就可以正常下载了，不过记住，最后python train.py

训练的时候也要在创建的虚拟环境中，不然会报错。