在阅读此博客之前请先按照【亲测】yolo v8训练自己的数据集(超详细)_Coding_C++的博客-CSDN博客
这篇博客内容详细了解其中的步骤及意义,此博客是在上述基础之上做了演进,由于使用命令训练需要在好几个地方配置,所以我采用python脚本重新制作训练的步骤。
一、总体介绍
先在任何地方创建一个文件夹,主要是放置训练的python脚本、个人数据的配置文件等,如下图:
*.jpg 是用来检测训练的模型
best.pt 是训练好的模型
data.yaml 是训练的配置文件
detect.py 是检测的python脚本 在下面会详细介绍
train.py 是训练的python脚本 在下面会详细介绍
一、数据文件配置
1、将自己数据集按照YOLOV8的格式放置在指定目录
此处以zzndata(自己制作的数据集)为列,大家可以在
https://download.csdn.net/download/weixin_40950590/88370532?spm=1001.2014.3001.5503
下载我标注好的数据集.
1.1 将zzndada放置到/home/jsbz/桌面/yoloV8/train/datasets(此路径是我配置好YOLO的datasets路径),如何配置可以参照
【亲测】yolo v8训练自己的数据集(超详细)_Coding_C++的博客-CSDN博客
1.2 zzndata的目录结构
2、在mydata制作data.yaml文件
path:就是自己数据集相对路径(指定刚放置的数据集)
train:训练的数据集路径
val:验证的数据集路径(此处根训练的一致就可以了,也可以单独弄个数据集)
names:检测的分类,我的数据集只检测0 代表是戴了安全帽,1 代表是没有戴了安全帽
二、在mydata制作训练的python脚本train.py
1、脚本内容
2、训练
2.1、在mydata文件夹下打开终端
2.2、启动yoloV8环境conda activate yoloV8
2.2、执行train.py开始训练
2.2、等待训练完成,会生成模型文件best.pt 并将best.pt拷贝到mydata文件夹下
三、在mydata制作训练的python脚本detect.py
1、脚本内容
2、执行detect.py开始推理
3、推理结果
推理结果还是不错的。