在AutoDL中使用YOLOV8训练自己的数据集

1 在AutoDL中创建实例

  

2 下载模型

git clone https://github.com/ultralytics/ultralytics

存放位置

3 安装必要的库

  3.1 安装requirement.txt

 

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/

3.2  安装ultralytics

 pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple/

4 准备自己的数据集

  4.1 数据集存放位置

  

在dataset文件夹中创建 images、labels、voc2007三个文件夹

images文件夹中创建train、val两个文件夹,存放训练数据和训练时的测试数据 。labels中存放对应的.txt

到此数据集已准备好。

 5  在ultralytics目录下创建 data.yaml，代码如下：

train: dataset/images/train   #训练集所在的路径
val: dataset/images/val       #训练时测试集所在的路径
#test: E:/Projects/ultralytics-main/ultralytics/dataSets/data/test/images

# number of classes
nc: 2   #类别

# class names
names: ['sleep','phone']

5  下载权重

   Detect - Ultralytics YOLOv8 Docs 

 存放位置如下：

同时将yolov8n.yaml文件中的nc 改为nc=2,我的类别是两个，代码如下：

# Ultralytics YOLO 🚀, GPL-3.0 license

# Parameters
nc: 2  # number of classes
depth_multiple: 0.33  # scales module repeats
width_multiple: 0.25  # scales convolution channels

# YOLOv8.0n backbone
backbone:
  # [from, repeats, module, args]
  - [-1, 1, Conv, [64, 3, 2]]  # 0-P1/2
  - [-1, 1, Conv, [128, 3, 2]]  # 1-P2/4
  - [-1, 3, C2f, [128, True]]
  - [-1, 1, Conv, [256, 3, 2]]  # 3-P3/8
  - [-1, 6, C2f, [256, True]]
  - [-1, 1, Conv, [512, 3, 2]]  # 5-P4/16
  - [-1, 6, C2f, [512, True]]
  - [-1, 1, Conv, [1024, 3, 2]]  # 7-P5/32
  - [-1, 3, C2f, [1024, True]]
  - [-1, 1, SPPF, [1024, 5]]  # 9

# YOLOv8.0n head
head:
  - [-1, 1, nn.Upsample, [None, 2, 'nearest']]
  - [[-1, 6], 1, Concat, [1]]  # cat backbone P4
  - [-1, 3, C2f, [512]]  # 13

  - [-1, 1, nn.Upsample, [None, 2, 'nearest']]
  - [[-1, 4], 1, Concat, [1]]  # cat backbone P3
  - [-1, 3, C2f, [256]]  # 17 (P3/8-small)

  - [-1, 1, Conv, [256, 3, 2]]
  - [[-1, 12], 1, Concat, [1]]  # cat head P4
  - [-1, 3, C2f, [512]]  # 20 (P4/16-medium)

  - [-1, 1, Conv, [512, 3, 2]]
  - [[-1, 9], 1, Concat, [1]]  # cat head P5
  - [-1, 3, C2f, [1024]]  # 23 (P5/32-large)

  - [[15, 18, 21], 1, Detect, [nc]]  # Detect(P3, P4, P5)

6   开始测试

yolo task=detect mode=train model=yolov8n.pt data=data.yaml epochs=300 batch=4

 或者自己创建一个train.py文件，直接python train.py运行也行，train.py代码如下 ：

from ultralytics import YOLO
 
model = YOLO("yolov8n.pt")
 
results = model.train(data="data.yaml",imgsz=640, epochs=300, batch=16, device=0, workers=4)

 7  结果存放于ultralytics/runs目录下。

8  测试

  

yolo task=detect mode=predict model=runs/detect/train6/weights/best.pt source=input/ device=0

  结果：