YOLOv8的图像训练

参考官方网站：Object Detection Datasets Overview - Ultralytics YOLO Docs

整体目录如下：

1. 数据集的准备

dataImg文件夹存放images图像（.jpg）文件夹和labels图像的数据标注（.txt）文件夹，注意每个文件夹里的（.jpg）和（.txt）的命名要一一对应上，test--测试数据、train--训练数据、val--验证数据。

Yolov8的数据标注工具我使用的是：

CVAT（Leading Image & Video Data Annotation Platform | CVAT）

Make Sense（Make Sense -->用这个我得一天内完成标注，因为没找到中途退出并保存的方法，关闭或刷新网站后都要从头开始）

2.创建config.yaml文件（配置文件）

config.yaml文件需要自己创建，存放图像的路径path为绝对路径。根据自己图像检测的类别和类号编辑names里的内容，类号从0索引开始。

3. main.py文件

main.py文件为入口文件，图像训练的代码运行由这开始。

wandb.login(key='...(your_api_key)...')这个是原先没有的，但在近期训练过程中终端提示需要就加上去了，key的获取可以进入WandB官网（Weights & Biases: The AI Developer Platform）注册账户，获取API密钥，自己用就好，不要提供给别人。（训练结束后会在目录里生成wandb文件夹，目前我用不到，没了解是做什么用的）

注意 YOLO('yolov8n.pt') 和 data='config.yaml' 的路径，我的三个文件（main.py、yolov8n.pt、config.yaml）都是放在同一根目录下的，如果不是的话要注意调整一下路径。

代码内容不是固定不变的，我是参考官方网站自己简单的对图像进行训练，因此可根据自己的需求添加或调整相关的参数。

4. runs文件夹（训练结束后自动创建）

runs文件夹里会存放模型训练的过程和结果，目录为.../runs/detect/train，best.pt文件存放在weights文件夹里。

如有错漏，欢迎指正。