【自用经验总结（可用性已验证）】在Linux服务器训练YOLOV8

连接服务器

所使用的服务器连接工具

连接步骤如下

搭建环境

# 创建虚拟环境
conda create --name myYolov8 python=3.8

# 激活环境
conda activate myYolov8

# CUDA 11.7：安装 Pytorch 1.13
pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117

# 安装 ultralytics 包：yolov8仅需要安装这一个库就ok了
pip install ultralytics

拖拽文件上传到服务器端：

修改train.py文件的内容：

其中文件的存放位置按自己的来

from ultralytics import YOLO
from multiprocessing import freeze_support

if __name__ == '__main__':
    freeze_support()

    # Load a model
    # model = YOLO("yolov8s.yaml")  # build a new model from scratch
    model = YOLO(r'/home/ubuntu/New500GForAi/zsl/ultralytics-main_2/ultralytics/cfg/models/v8/yolov8.yaml').load(r'/home/ubuntu/New500GForAi/zsl/ultralytics-main_2/yolov8n.pt')  # 第一个括号是模型yaml，第二个是预训练模型pt。

    # Use the model
    model.train(data='/home/ubuntu/New500GForAi/zsl/ultralytics-main_2/datasets/myDatas/maize.yaml',#数据集yaml文件
                epochs=100,#训练轮次
                batch=8,#每轮大小
                device='4' ,#指定使用某gpu
                )  # 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

修改detect.py文件的内容（没有这个文件，需要自己创建，主要是用来使用训练好的权重检测图片的）：

import warnings
warnings.filterwarnings('ignore')
from ultralytics import YOLO

if __name__ == '__main__':
    model = YOLO('/home/ubuntu/New500GForAi/zsl/ultralytics-main_2/runs/detect/train5/weights/best.pt') # pt权重文件路径
    model.predict(source='/home/ubuntu/New500GForAi/zsl/test_pic',#图片资源路径
                  imgsz=640,
                  project='runs/detect',#输出路径
                  name='exp',
                  save=True,
                  device='4'
                )