yolov8修改yaml文件，yolov8模型重复加载，无法确定模型的大小等等问题

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

主要讲述yolov8代码的内容，以及修改代码。

前言

最近在使用YOLOv8过程中遭遇到了许多bug，现在留下一些记录。方便自己回来查看问题，同时也可以为大家提供帮助。

---

提示：以下是本篇文章正文内容

一、YOLOv8训练脚本？

代码如下：

下面展示一些 内联代码片。

from ultralytics import YOLO

# Load a model
model = YOLO(model= r'D:\code _vs\yolov8\ultralytics-main\ultralytics\cfg\models\v8\ghost_conv_v8n.yaml')  # build a new model from YAML




# Train the model
model.train(data=r'D:\code _vs\yolov8\ultralytics-main\ultralytics\cfg\datasets\ameng_strength.yaml',
                      epochs=300, imgsz=640,workers=0,device = 'cuda:0',batch = 3,cache = True,pretrained = False,profile = True)

常见的训练方式也是这样，我这里修改了YOLO的配置文件。也正是像大家在改进代码常做的那样，在这种情况下，会出现几个bug。第一个是已经加载过训练的模型，为什么会又在加载一遍。第二个是如何进行迁移学习。第三个是在修改了YOLOv8的默认配置文件的时候，yolov8无法显示模型的Gflops大小。第四个是如何让模型可以选择大小比如 n,s,l,x

二、问题

1.模型多次加载问题

代码如下（示例）：

可以看到yolov8在进行调用Model类的时候就已经在初始化的地方对配置文件进行了调用。创造了模型这里的self._new（）函数就是对该模型已经完成了建立。顺带提一嘴，yolov8在新建模型的时候是靠yaml文件类型，调用new函数。在重构之前模型时候调用.pt文件。用的是load函数。

这里的new和load就是对模型构建的入口函数。

在train函数中又再次调用了这个加载模型的函数，所以我们选择注释他，并且将model传给trainner.model。这样就可以正常运行了。不会出现重复调用的问题。并且也正是因为这个原因导致csdn上的一些博主给的冻结代码是错误的，因为他们只冻结了yolo构建的模型，但是在train的时候又再一次调用new函数，从新构建了一个新的模型。让冻结不起效果，是虚假的冻结。

2.迁移学习

在11月份发布的yolov8中已经具备了对模型层数的冻结功能，可以发现YOLOv8在调用生成模型的时候会重复冻结一些层，比如 d2l中的conv层。在这里我已经删除了 always_freeze_names = [] 这里会永远冻结带有这些这些名称网络层。

同时，我们也经常再冻结一些网络层的时候发现会爆出warning字样，就是elif 这个函数把冻结层置为参数非冻结。
另外大家可以在default.yaml文件里面的freeze层里面去冻结层数。

那么我这里是冻结前十层。

3.GFlops问题

这大部分是因为你没有安装一个软件包，

安装了thop就可以解决这个问题。

4、让模型可以选择大小比如 n,s,l,x

我们再替换网络之后发现总是会选择模型最小的作为我们当前模型，这是因为代码会对你传入的模型的文件名做检测。对最后一字母进行检测，如果没有检测到就会默认是最小的。这里大家可以见截图，修改一下就ok了。

这里的guess_model_scale就是再对模型进行大小的估计，会切分出最后一个字符，大家可以根据自己想要的格式进行正则表达式修改，我这里是寻找数字后第一个的字符作为大小，大家可以模仿我的，也能省去很多麻烦。

或者如果你经常使用一个固定模型，可以scale = tuple(scales.keys())[3]，数字代表顺序。

总结

解决了4个比较常见的yolov8模型问题，希望留存给后来者带来方便。
最后给大家看一下，我修改了yolov8中的conv模块为ghostconv。模型确实轻量不少，但是精度也是一言难尽。

确实模型很轻量。只有7.8GFLOPS.模型训练起来很快，200张图片只需要8s左右就一个epcoch。

这是冻结层，提示出来的信息。大家可以注释掉，如果觉得乱的话。

最后，我也存在一个问题，就算为什么我跑模型时候会一直下载pt，我猜想可能是因为混合精度的问题。所以一直下载，也确实挺烦人的。pycharm的路径也会经常标红，确实让人看得很不舒服。