【YOLOv8训练和验证教程】

下雨天不下雨

已于 2024-04-29 20:21:51 修改

阅读量4.1w

点赞数 73

分类专栏： YOLO目标检测文章标签： YOLO 深度学习计算机视觉

于 2023-02-24 14:24:29 首次发布

本文链接：https://blog.csdn.net/retainenergy/article/details/129199116

版权

YOLO目标检测专栏收录该内容

5 篇文章 1 订阅

订阅专栏

前言

本次是2024.0429最新更新。YOLOv8经过一年的沉淀，也已经逐渐成熟。YOLOv8论文还没出，猜测U神团队没打算写论文。目前最新的论文是YOLOv9，但v9需要的算力太高了，普通人还是抱以欣赏态度吧。

代码下载

目前最新版本的YOLOv8公开版是8.2.0版本
官方Github下载地址：https://github.com/ultralytics/ultralytics
在这里插入图片描述

YOLOv8结构图

图片来源于：https://blog.csdn.net/qq_37706472/article/details/128679699
在这里插入图片描述

YOLOv8实操过程

（1）安装环境依赖，输入命令：

pip install ultralytics

（2）训练train

数据集格式跟v5相同，数据集这里不多赘述，不懂的可以搜一下。
主讲一下需要注意的地方：
第一，第一次用v8的童鞋们，可能找不到train.py在哪。v8的根目录不像v5直接有train.py
在v8中，要先进入路径：ultralytics/models/yolo/v8/detect，就可以看到train.py和val.py文件；

第二，直接输入命令python train.py或者直接运行tarin.py都是不行的。而且，v8的train.py找不到类似v5那种参数设置，如batchsize、workers等。
如何解决？
YOLOv8将超参数和其他参数的设置全部集成到了ultralytics/yolo/cfg/default.yaml(注意看清路径，别找半天找不到）；
其中，default.yaml文件的参数如下：
注意黄色框的几个参数，task是选择训练任务类型，detect是目标检测，segment是分割任务；mode参数，train是训练，val是验证，predict是推理测试；model是使用的网络结构；data是数据集的设置；

在这里插入图片描述

第三，参数都设置好之后，可以直接输入命令，即可开始训练：
yolo cfg=ultralytics/yolo/cfg/default.yaml (没看错，不用怀疑，就是这个命令，不用什么.py)

重点！！！重点！！！重点！！！
以上训练命令，改参数太麻烦了，还费劲。
推荐使用以下方式：
直接自己在根目录下新建一个**train.py**文件，内容如下：

from ultralytics import YOLO

# Load a model
model = YOLO("ultralytics/cfg/models/v8/yolov8n.yaml")  # build a new model from scratch
model = YOLO("yolov8n.pt")  # load a pretrained model 不使用预训练权重，就注释这一行即可
# train
model.train(data='dataset/data.yaml',
                cache=False,
                imgsz=640,
                epochs=100,
                batch=16,
                close_mosaic=0,
                workers=4,
                device='0',
                optimizer='SGD', # using SGD
                amp=False, # close amp
                project='runs/train',
                name='exp',
                )

然后，直接在命令窗口输入python train.py或者直接运行train.py即可

（3）验证val

注意，这里直接写推荐的方式。
直接根目录新建一个val.py文件，直接运行即可：

from ultralytics import YOLO

if __name__ == '__main__':
    model = YOLO('runs/train/exp/weights/best.pt') # 自己训练结束后的模型权重
    model.val(data='dataset/data.yaml',
              split='val',
              imgsz=640,
              batch=16,
              save_json=True, # if you need to cal coco metrice
              project='runs/val',
              name='exp',
              )

下面讲解一下参数，以及什么叫“验证”。部分新手不理解这个程序的作用。

首先，在训练时和训练结束后，我知道会直接输出mAP值。但是，这不是最终结果，不能直接用，也不能说这是验证的结果，这些说法都是错的。

什么叫做验证？就是训练完后的模型权重，用val.py跑一遍，才叫验证。（别懒，必须得跑）
我知道，有人会说，val.py之后的mAP结果和训练完后的mAP结果一样，或者相差很小，也有相差大的时候（都不重要，别管，以val.py跑出来的结果为准）
这是因为，你val.py里面split参数设置的是val，代表此时调用的是验证集图像，跑出来的就是验证集mAP结果
如果split参数设置是test，则代表此时调用的是测试集图像，跑出来的就是测试集mAP的结果

还有重要的一点，不知道大家听懂了没。没有什么test.py，验证和测试都是这个val.py这个程序，只是有的人叫法不同。
split参数设置为val，代表测的就是验证集结果，大家就习惯叫成验证结果
split参数设置为test，代表测的就是测试集结果，大家就习惯叫成测试结果
它们两个共用一个程序！！！没有什么所谓的test.py，别被迷惑了！！！
在这里插入图片描述