YOLOv5白皮书-第Y6周:模型改进
- YOLOv5白皮书-第Y6周:模型改进
- 一、前言
- 二、我的环境
- 三、下载YOLOv8
- 四、配置环境
- 五、准备工作
- 六、运行
YOLOv5白皮书-第Y6周:模型改进
一、前言
- 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
- 🍖 原作者:K同学啊
二、我的环境
-电脑系统:Windows 10
语言环境:Python 3.8.5
编译器:cmd
三、下载YOLOv8
四、配置环境
在命令行输入:pip install ultralytics
官方把代码都整合到了ultralytics包里面,只需安装这一个库就可以了,里面封装了环境所需库
五、准备工作
目录结构:
在主目录下创建paper_data文件夹,将自己的数据集放入此文件夹。
在paper_data文件夹下创建一个包含main空文件夹的ImageSets文件夹。
在paper_data下创建一个split_train_val.py文件
运行 split train_va1.py文件后你将得到 train.txt、val.txt、test.txt和 trainval.txt 四个文件
再创建一个voc_label.py文件
运行voc label.py文件生成 train.txt、test.txt、val.txt 文件
最后生成一个ab.yaml文件,内容如下:
train: ./train.txt
val: ./val.txt
nc: 4
names: ["banana", "snake fruit", "dragon fruit", "pineapple"]
六、运行
在此文件夹下打开cmd,激活环境后在cmd中输入:
data处需要实验绝对路径
yolo task=detect mode =train model=yolov8s.yaml data=/root/autodl-tmp/ultralytics-main/paper_data/ab.yaml epochs=100 batch=24
运行结果文件: