Yolov8训练自己的数据集（DIOR）

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）