YOLOv8（如何进行训练和验证）

YOLOv8 ：

和 YOLOv5 一样，基于缩放系数也提供了 N/S/M/L/X 尺度的不同大小模型，用于满足不同场景需求

因为之前的yolov3、v5都有train.py、val.py，但是到v8主要采用命令行输入，然后我感觉命令行运行比较麻烦，特别是改参数的时候。
在这里主要讨论一下，关于yolov8如何新建train.py和val.py进行训练以及验证。

训练-新建train.py

import warnings
warnings.filterwarnings('ignore') #消除一些无用的警告
from ultralytics import YOLO
if __name__ == '__main__':
    model = YOLO('D:\\js\\yolov8-main\\ultralytics\\cfg\models\\v8\\MUF-yolov8s-DWFasterNet-2.yaml')
    #model = YOLO('yolov8s.pt')
    results = model.train(data='D:\\js\\yolov8-main\\GC10_yolov5\\GC10-DET.yaml', epochs=200, batch = 8, workers = 8)

• 💡windows系统下，如果想设置workers不为0，那么就需要加上 if name == ‘main’ ，否则会报错。

验证-新建val.py

import warnings
warnings.filterwarnings('ignore')
from ultralytics import YOLO
if __name__ == '__main__':
    model = YOLO(r'runs\detect\\train2\weights\best.pt')  #输入训练好的权重文件路径
    model.val(data='mydata\\neu.yaml',
              #data = 'GC10_yolov5\\GC10-DET.yaml', #数据集路径
              split='val',
              batch=8,
              # rect=False,
              # save_json=True, # if you need to cal coco metrice
              project='runs/val',
              name='exp',
              )

总结🐱‍🏍

使用train.py，val.py进行模型训练以及验证，个人认为比较方便。初学v8的时候，对于命令行输入感觉很麻烦也很蒙圈，因此记录一下，希望对一些初学者有所帮助！