YOLOV8训练自己的模型

一、下载YOLOV8源码

下载链接：https://github.com/ultralytics/ultralytics?tab=readme-ov-file

二、下载预训练权重

三、数据集准备

参考coco128的数据格式来设置自己的数据集

四、配置文件修改1-修改数据集路径

参考coco128.yaml来配置自己数据集的yaml文件

 

五、配置文件修改2-修改类别数

参考yolov8.yaml文件来设置自己数据集的类别数

六、训练验证

在根目录下创建model_train文件（全部设置为自己的文件路径）

from ultralytics import YOLO

# Load a model
model = YOLO("D:/python项目/YOLOV8/ultralytics-main/ultralytics-main/ultralytics/cfg/models/v8/yolov8.yaml")  # build a new model from scratch
model = YOLO("D:/python项目/YOLOV8/ultralytics-main/ultralytics-main/yolov8n.pt")  # load a pretrained model (recommended for training)

# Use the model
model.train(data="D:/python项目/YOLOV8/ultralytics-main/ultralytics-main/ultralytics/cfg/datasets/coco128.yaml", epochs=30)  # train the model
metrics = model.val()  # evaluate model performance on the validation set
# results = model("https://ultralytics.com/images/bus.jpg")  # predict on an image
# path = model.export(format="onnx")  # export the model to ONNX format

七、预测

在根目录下创建model_test文件，使用自己训练出来的权重来进行预测

from ultralytics import YOLO

# Load a pretrained YOLOv8n model
model = YOLO("best.pt")

# Run inference on an image
# results = model("bus.jpg")  # list of 1 Results object
results = model.predict("bus.jpg", save=True, imgsz=320, conf=0.5,show = True)