首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

yolo v8安装训练与验证方法概述

YOLOv8 是来自 Ultralytics 的最新的基于 YOLO 的对象检测模型系列,提供最先进的性能。 利用以前的 YOLO 版本,YOLOv8 模型更快、更准确,同时为训练模型提供统一框架,以执行物体检测、实例分割、图像分类等。

YOLOv8官网地址:https://docs.ultralytics.com/

一、安装

1.安装python,需要安装python3.10以上版本。

2.运行pip install ultralytics

3.卸载由于第二步直接安装的组件pip3 uninstall torch torchvision torchaudio,如果没有显卡,或是就想用cpu训练,可以跳过第三步与第四步

4.根据自己显卡的版本安装对应的pytorch

由于提示运行下图内容,因此执行

pip3 install torch torchvision torchaudio --index-url

https://download.pytorch.org/whl/cu121

二、训练

先去下载labelimg用于给图片打标签,下载地址:

https://docs.ultralytics.com/

通过图形化的labelimg这个工具给图片打标签。

其中,一个成熟的图片数据集至少要1万张图片,常规需要100万张才能训练出一个模型,因此给图片打标签是训练AI中工作量最大的工作。

创建一个文件夹,目录结构如下图:

train与valid的文件夹结构均为

其中labels就是通过labalimgs工具生成的打标数据。

data.yaml的内容如下:

train: train/images

val: valid/images

nc: 1

names: ['smoke']

分别指的是训练集和验证集,正式训练,运行如下命令

yolo train model=yolov8n.yaml data='D:\smoke\data.yaml' epochs=100 device=0

其中,epochs是指训练多少次,device=0是说使用显卡(能大大提升训练速度)。

根据实测一个1.5万图片的模型,I7 4790 cpu训练一次要10小时,I9-13900k cpu训练一次要40分钟,而RTX4090的显卡训练一次只需要2分钟。

训练完成后,yolo会自动保留最好的训练结果,保存路径为runs\detect\train\weights\best.pt

三、测试

运行如下命令

yolo predict model=runs\detect\train\weights\best.pt source=D:\smoke\train\images\H_00982_png.rf.cd83cf9394fc63ee2d179a9d14cfcb8b.jpg

生成的结果会出现在runs\detect\predict中。

  • 发表于:
  • 原文链接https://page.om.qq.com/page/O6VYbVBNxEoHegFf7FZuWklg0
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券