1.创建虚拟环境,激活环境
conda create -n yolov10=3.9
conda activate yolov10
2.安装cpu版本的pytorch
conda install pytorch torchvision torchaudio cpuonly -c pytorch
3.官网下载yolov10文件
GitHub - THU-MIG/yolov10: YOLOv10: Real-Time End-to-End Object Detection
4.在本地文件下运行requirement
pip install -r requirements.txt
pip install -e .
5.创立datasets文件夹,然后放到yolov10文件夹下
datasets------images----train
-----val
------labels------train
------val
6.官网下载模型到yolov10文件夹下
7.在ultralytics文件夹下新建mydata.yaml
里面内容为
#path: ../datasets/mydata # dataset root dir
#path: home/hexuran/ultralytics-main/datasets/CMD
path: ../datasets # dataset root dir
train: images/train
val: images/val
#test: # test images (optional)
nc: 5
names: ['binary1','binary2','binary3','binary4','binary5']
nc:种类
names:按打标签的顺序依次填入
8.对yolov10进行训练
yolo detect train data=mydata.yaml model=yolov10n.pt epochs=10 imgsz=640
参数解释:
yolo detect train:表示进行目标检测的训练
data=mydata.yaml:指定你自己数据集yaml文件
model=yolov10n.pt:指定下载yolov10的预训练权重文件
epochs=10:设置训练轮次,可以先设置小一点,先看看结果如何
imgsz=640:设置图片长度