1.模型训练(进入yolov8的虚拟环境中,并且cd到yolov8的文件路径中,不然就会在线下载)
yolo train data=data.yaml model=yolov8n.pt epochs=300 imgsz=1024 batch=8 workers=0 device=1
yolo train data="数据yaml文件的路径" model="pt文件" epochs = "训练数" imgsz="图像大小" batch=‘训练批次大小’ device=1"第二张GPU资源"
2.查看yolo模型测试的图片的时间
yolo predict model=best.pt source='/daba4/Images/realdaba__650.jpg' imgsz=1024
Yolo predict model=”模型路径”,source=“测试目标路径”,imgsz=“图片大小”
3.将 yolov8n.pt文件转换为onnx格式、TensorFlow格式、torchscript格式
(1)前提条件
pip install ultralytics
(2)转换模型
yolo export model=yolov8.pt format=onnx
#其中model也可以输入pt的路径
yolo export model=yolov8n.pt format=tensorflow # 转换为TensorFlow格式
yolo export model=yolov8n.pt format=torchscript # 转换为TorchScript格式
‘yolo’ 调用Ultralytics YOLO库的命令行接口
‘export’ 指定需要执行的是导出操作
‘model=yolov8.pt’ 指定要转换的YOLOv8模型的文件路径
‘format=onnx’ 指定目标格式为ONNX、TensorFlow、torchscript