基于 Autodl 的 YOLOv8 的使用教程

目录

 

一、使用Autodl租服务器

二、YOLOv8的环境搭建与划分数据集

三、模型train

四、模型detect与val


一、使用Autodl租服务器

1.1 选择主机

 1.2 选择基础镜像,然后点击“立即创建”

 1.3 点击关机,选择无卡模式(这样省钱)

1.4 点击jupyterlab

 1.5 上传数据集

        下载FileZilla软件,进行数据集的上传。

        步骤:点击左上角文件→站点管理器→填写主机、端口、密码→点击连接

        本地站点选择要上传的文件夹,远程站点选择被上传到服务器的位置

        数据上传完成后如下图

      

二、YOLOv8的环境搭建与划分数据集

2.1 关闭无卡模式,进入GPU模式,在启动页中点击终端输入python setup.py install。在autodl-tmp/dataset下,在终端输入python xml2txt.py

         这样就跑完了,在输入python split_data.py,遇到错误如下图

        在终端里输入pip install scikit-learn,就不会报错了。我们再重复上一步的python split_data.py。在路径autodl-tmp/dataset/下,就生成images与labels文件夹,images里生成train、val和test文件,各自里面包含图片;labels里生成train、val和test文件,各自里面包txt文件。到这里数据集的划分就结束了。

三、模型train

3.1点开data.yaml

train:填写训练集的路径;

val:填写验证集的路径;

test:填写测试集的路径;

nc:被检测物体的类别,这里用的VOC2007数据集中trainval部分,所以nc=20;

names:被检测物体的类别名称。

 3.2点开default.yaml(里面摆放了一些参数)

路径在autodl-tmp/ultralytics/yolo/cfg/default.yaml

task:我们用来检测,所以用默认的detect;

model:是选择是train,还是val,或者其他。这里是训练模型,所以用默认的train;

model:放权重或者网络结构的yaml文件;

data:就是存放数据集的文件夹,这里是上面提到的data.yaml文件。

在终端输入yolo cfg=ultralytics/yolo/cfg/default.yaml进行模型训练

 遇到了报错:

 版本不符合他的要求,换个版本就行了。我这里采用的先卸载,再指定版本的库下载。

第一个报错:
pip uninstall tqdm
pip install tqdm
第二个报错:
pip uninst urllib3
pip install urllib3==1.26.11

重新在终端输入yolo cfg=ultralytics/yolo/cfg/default.yaml进行训练,就不报错了。于是就开始下载权重文件了。

 现在就正式训练了

四、模型detect与val

只需要把default.yaml中mode进行修改,在终端依旧输入yolo cfg=ultralytics/yolo/cfg/default.yaml进行detect与val。

        

  • 2
    点赞
  • 42
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值