fa4的yolov8项目训练学习日志

---

 写在前面：

        现在是2023年10月24日，研二的第一学期，我正在用yolov8n训练自己方向的公用数据集。今天开始记录我的学习进度，一方面希望记录下来自己在学习过程中遇到的问题和解决方法，见证小白前进之路，另一方面也希望能够催促自己加快学习进度，起到自我监督的作用。如果有做的不对的步骤，还希望各位前辈不吝赐教，斧正我的错误。

---

2023.10.24

        先对前期的准备工作做一个总结。在进行模型训练之前要解决的两个比较关键的问题，一是训练模型怎么找、环境如何配置，二是数据集怎么找。

一、yolov8训练文件

       yolov8的文件并不是以yolov8命名的，而是以ultralytics命名。 训练模型在github下载。网址：rzmxGitHub - ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > OpenVINO > CoreML > TFLite。

        训练模型在如下文件中：

         对于上一个版本的修改后，yolov8n/s/m/l/x全部都放在了yolov8.yaml中，如果要使用yolov8n模型可以直接使用语句“model=yolov8n.yaml”。

二、数据集获取

        推荐神网：https://datasetsearch.research.google.com/。输入关键字，检索数据集，可以检索到其他网站的数据集。有一部分是注册就能下载，如果需要花钱开会员下载的策略是淘宝找一找有没有代下载。

三、ultralytics环境配置

        接下来就是让人头痛一亿年的环境配置。我确实在环境配置上不活过很多次。下面把我做的大致过程列出来，但是可能过程会遇到各种问题，祝你幸运。此部分参考b站视频：YOLOV8环境安装教程._哔哩哔哩_bilibili

1.下载Anaconda作为python基础环境（略）

2.创建环境

        关掉代理，以管理员身份运行Anaconda Prompt，输入:

conda create -n yolov8 python=3.8 anaconda

         其中，“yolov8”为环境名，可以修改；“python=3.8”为python版本；“anaconda”输入进去后会创建一些包，使用更方便。看到如下代码，证明创建成功。如果创建不成功可能是网络问题，可以开热点重新运行以上命令。

        激活环境，代码如下：

activate yolov8

 3.安装pytorch

        在命令行输入nvidia-sim，查看自己的CUDA版本号，进入pytorch官网Start Locally | PyTorch，查看能否支持最新的CUDA版本（自己的CUDA版本一定大于pytorch的CUDA版本），如果不能就使用pytorch其他版本。

nvidia-smi

         复制“Run this Command”后面的代码，把pip3改成pip，运行安装。

4.安装库

        用pytorch打开代码，数据集拉进来。更改环境，在“File-Settings-Python Interpreter”选择“yolov8”。新建Terminal，输入：

python setup.py install

         如果出现网络问题，重新运行。出现“Finish processing dependencies for ultralytics==8.0.5”证明安装成功。

四、修改配置文件，开始训练

        找到“default.yaml”文件，位置如下：

        找不到可以双击键盘shift搜索文件。

        修改model:ultralytics/models/v8/yolov8.yaml（改为yolov8.yaml的地址）；date:date.yaml；workers:4。随即输入代码：

yolo cfg=ultralytics\yolo\cfg\default.yaml    #cfg=后面接你的default.yaml路径

        至此，yolov8模型可以开始训练了【撒花✿✿ヽ(°▽°)ノ✿】。

 2023.11.1

添加注意力机制

         尝试的第一次“炼丹”是添加注意力机制，即插即用的类型非常方便替换。有一位B站UP主在Github上总结了二十几个常见的注意力机制的代码，非常方便，在这挂出这位UP主在B站教添加注意力机制的视频，视频中讲了添加有通道和无通道的注意力机制的方法，讲解非常清楚，照着一步一步做，基本上不会遇到什么困难。Github网址也附上。

B站视频： YOLOV8改进-添加注意力机制_哔哩哔哩_bilibili

Github网址： yolov8注意力机制

         我尝试了如下几种常见的注意力机制，对比的yolov8n原模型的训练效果，终于在添加EMA的时候涨点了。

yolov8n F1曲线	yolov8n+EMA F1曲线

        在此要特别感谢一位CSDN博主：迪菲赫尔曼。偶然看到迪导的yolov8改进实战专栏，文章质量非常高，就付费订阅了专栏。专栏文章大部分都手把手改进，除去专栏内容不说，迪导的技术非常牛，在训练过程中遇到的问题请教，迪导会及时给出指导，帮助我度过了很多难关。

         目前还有一个小问题，就是我设置的epochs设置的是100轮，但是结果并没有完全收敛，现在正在做300轮训练再看效果。我的数据集有3700张图片，显卡是NVIDIA4060，训练一次需要大概30个小时。训练完成后准备更改激活函数，再碰碰运气.

———————————————————————————————————————————

续：由于某个数据的样本量较少，训练图像出现“大跳水”的情况。在进行训练前一定要找好健康监测过的数据集，避免数据集不合适来回替换。推荐查找数据集网站：Roboflow Universe: Open Source Computer Vision Community，可以直观地看到数据集健康情况。

2024.1.11

        2023年11月20号左右，我的实验结果终于比较好了。改进点有三处，一个是更换主干网络，一个是添加注意力机制，最后替换非极大值抑制，实验结果已经达到了可以发论文的程度。我给导师看了结果，就开始写论文了。到今天为止，论文已经基本完成了，再做几组对比实验就可以了。

画图网站：hiplot.cn

        今天想介绍的是一个画图网站，可以在线生成图片，下面展示几种基本类型的图片（我也不明白都是什么图）。

        但是现在我也不是很研究的明白，贴个B站教学在这里。Hiplot 超强在线绘图工具介绍（论文绘图再也不用愁）_哔哩哔哩_bilibili