准备资料

资料：Yolov8模型训练资料 链接: https://pan.baidu.com/s/1hQZQ41c_cX0dhQxl3z3mew?pwd=gjk8

一、安装库

pip install ultralytics -i https://mirrors.aliyun.com/pypi/simple/
from ultralytics import YOLO
#二、加载预训练模型

a=YOLO('yolov8n.pt')
a('1.png',show=True,save=True)
a('1.mp4',show=True,save=True)

#三、模型训练
1、准备数据集结构文件

• 根目录创建1个文件夹(可自定义名称)
• 井下面创建再2个文件夹(images和labels)
• images和labels 下再分别创建2个文件夹(train和val)
• images下的train和val 放入训练图片(png、jpg)
• labels下的train和val 放入图片标注(txt)

2、标注数据

• 图片就是包含你要检测目标的图片(需要自己手动找、场景越多越好)
• 尽量找需要检测的场景下的图片进行训练，效果最好
• 标注就是你要检测的目标在图中的位置(推荐使用工具标注,视频下方获取)
• 标注文件格式(txt)00.50.50.50.5
• 类型下标 目标中心点的x/y的比例,目标宽和高的比例

#四、准备数据集配置文件

• 创建1个yaml格式的文件(可自定义名称)
• 配置数据集信息、用于训练模型

yaml文件格式

path:D:\lxue2\Y0LO\lxun #数据集根目录
train:images/train #训练集图片路径
val:images/val # 验证集图片路径
nc:4 #类别数量
names:['马叔','彪哥','玉芬','桂英’] #类别名称

#五、开始训练模型

1. 训练资料使用：
   yolov8n.pt文件放在项目根目录
   Arial.Unicode.ttf文件放在：C:\Users\当前用户\AppData\Roaming\Ultralytics\

2. 训练说明
   模型训练自动保存到runs\detect\train\weights
   best.pt 是最终模型，用于使用
   last.pt 是训练的最后一轮模型，用于继续训练

from ultralytics import YOLO
import matplotlib.pyplot as plt
# 设置字体配置
plt.rcParams["font.family"] = ["Arial", "Microsoft YaHei", "SimHei"]  # 英文字体+中文字体组合
plt.rcParams["axes.unicode_minus"] = False  # 解决负号显示问题
#加载与训练模型
a1 = YOLO('yolov8n.pt')
# 开始训练模型
a1.train(
    data='data.yaml',# 数据集配置文件路径
    epochs=500, #训练轮次
    imgsz=640,#输入图片尺寸，官方推荐640
    batch=32,#每次训练的批量
    device='cpu',#GPU=0 CPU='cpu'
)
print('模型训练完毕')