yolov8

简介

YOLOv8 是由 YOLOv5 的发布者 Ultralytics 发布的最新版本的 YOLO。它可用于对象检测、分割、分类任务以及大型数据集的学习，并且可以在包括 CPU 和 GPU 在内的各种硬件上执行。

在autodl上使用yolov8进行图像训练并进行推理

步骤1 学术资源加载（加速下载操作）

source /etc/network_turbo

步骤2 在GitHub上克隆ultralytics相关代码

git clone https://github.com/ultralytics/ultralytics

注意：该操作结束后注意切换当前目录到ultralytics

步骤3 下载相关库

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio===0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

步骤4 训练代码

yolo task=detect mode=train model=yolov8x.pt data=data.yaml epochs=300 batch=32

各个参数的含义

1.task=detect 本次工作为检测工作
2.mode=train 模式为训练模式
3.data=data.yaml 操作数据在data.yaml文件中
4.epochs=300 总共训练的次数
5.batch=32 检测到错误时要使用的默认批大小

官方文档：https://docs.ultralytics.com/

该位置为训练结果存储的位置
该位置下生成的best.pt为训练的成果

步骤5 将图片解压缩到指定位置

unzip autodl-fs/yoloShuiDao.zip -d yolo //yolo为ultralytics文件夹中用来存储数据的文件夹

步骤5 推理，注意model和source的路径，以及目录位置

yolo task=detect mode=predict model=ultralytics/best.pt conf=0.6 source='ultralytics/blasst-96-_jpg.rf.a8a96709d718a08b57069b5d0b44235b.jpg'

标红处为推理出的图片位置

Anaconda进行图像推理

步骤1 安装yolov8

conda create -n yolov8 python=3.7

步骤2 安装相关库

pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple/

步骤3 推理，注意model和source的路径

yolo task=detect mode=predict model="D:\Anaconda3\envs\yolov8\best.pt" conf=0.6 source="E:\wechat\WeChat Files\wxid_rdr3w49kp7xe12\FileStorage\File\2023-10\train\images\blasst-125-_jpg.rf.5ac8efd0a7760dba0065e381c7917956.jpg"

如何自定义数据集

各部分之间的功能

1.train 训练集
2.test 测试集
3.valid 验证集