1.准备环境
pytorch-1.8.1,torchvision-0.9.1,python-3.9,
然后安装ultralytics。
pip install ultralytics
2.准备数据集+配置文件
在训练YOLOv8时,选择的数据格式是VOC,然后将数据集转换成可以直接让YOLOv8进行使用。
(数据集转换格式请参照此篇文章DIOR数据集xml转txt格式并划分训练集测试集验证集(用于yolo)-CSDN博客)
配置文件dior.yaml
3.下载权重
下载对应版本的模型https://github.com/ultralytics/assets/releases
本次采用的是yolov8n
4.训练
训练模型,命令如下:
yolo task=detect mode=train model=yolov8n.yaml data=dior.yaml epochs=1 batch=4 imgsz=640 resume=True
参数解释如下:
task:任务类型,这里选detect做检测(还有 'segment', 'classify', 'init')
mode: 是训练、验证还是预测的任务 可选['train', 'val', 'predict']
model: yolov8不同的模型配置文件,可选yolov8s.yaml、yolov8m.yaml、yolov8l.yaml、yolov8x.yaml以及yolov8n.yaml。
data: 生成的数据集配置文件
epochs:指的就是训练过程中整个数据集将被迭代多少次,
batch:一次看完多少张图片才进行权重更新
imgsz:图片大小
resume:训练应该从先前保存的检查点恢复。如果设置为 False
,训练将从头开始。(用于中断后恢复训练)