YOLOv8训练自定义数据集模型

YOLOv8网络结构图

YOLOv8训练过程

一、首先配置环境；

1.安装Anaconda，并将conda添加到环境变量Path中，

创建虚拟环境 :conda create -n name python=3.x

2.pytorch环境搭建。去pytorch官网下载对应python版本的torch和torchvision安装包whl文件，在虚拟环境下，使用pip install torch… .whl 以及 pip install torchvision… .whl进行安装，安装后进行检测，print(torch. --vison-- )

二、下载源码，安装依赖包

下载yolov8官方源码（https://github.com/ultralytics/ultralytics），使用pip install -r requirements,txt进行所需包的安装

三、数据集准备

数据集的准备。 使用VOC格式的数据集，如下图

DataSet
├─ test
│ ├─ images
│ │ └─ ······
│ └─ labels
│ └─ ······
├─ train
│ ├─ images
│ │ └─ ······
│ └─ labels
│ └─ ······
├─ valid
│ ├─ images
│ │ └─ ······
│ └─ labels
│ └─ ······
├─ data.yaml
└─ yolov8s.yaml

data.yaml主要是保存训练数据集的目录，类别数，类别名，如图所示：

模型参数文件yolov8s.yaml: YOLOV8包含5种模型，主要差异还是在：depth_multiple和width_multiple