YOLOv8 的安装、使用与训练

YOLOv8 的安装、使用与训练

引用

CSDN

1.

https://blog.csdn.net/qq_54334713/article/details/138191237

YOLOV8简介

YOLOv8是YOLO系列的最新版本，它融合了先进的深度学习技术和目标检测领域的最新研究成果。与其前身相比，YOLOv8在速度和精度方面都有了显著的提升，使其成为一个理想的实时目标检测解决方案。该模型结合了卷积神经网络（CNN）和一系列优化技术，能够在保持高效率的同时实现更精准的目标检测。

YOLOv8安装

在开始之前，请确保已经安装了Anaconda。以下是详细的安装步骤：

1. 新建一个虚拟环境：

   conda create -n yolov8 python=3.8
   

2. 激活虚拟环境：

   conda activate yolov8
   

3. 安装PyTorch：

   conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.7 -c pytorch -c nvidia
   

4. 下载YOLOv8源码：

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

5. 进入项目目录：

   cd ultralytics
   

6. 安装ultralytics包：

   pip install ultralytics
   

YOLOv8使用权重

在ultralytics项目中，可以找到YOLOv8的预训练权重。以下是下载和使用预训练权重的步骤：

1. 下载预训练权重：

   wget https://github.com/ultralytics/assets/releases/download/v8.2.0/yolov8n.pt
   

   将下载的权重文件保存到项目根目录。

2. 使用预训练模型进行检测：

   yolo predict model=yolov8n.pt source=ultralytics/assets/zidane.jpg
   

   检测结果将保存在指定的输出目录中。

   

YOLOv8如何训练数据集

要训练自己的数据集，需要按照以下步骤进行：

1. 在源代码目录下新建一个datasets文件夹，并准备好数据集，确保数据集的文件结构与COCO数据集一致。

2. 下载官方提供的COCO8数据集作为参考：

   wget https://ultralytics.com/assets/coco8.zip
   unzip coco8.zip -d datasets
   

3. 创建自己的数据集配置文件。以一个包含"person"类别的数据集为例，创建my_person.yaml文件，并参考coco8.yaml文件进行配置。配置文件示例如下：

   train: D:\Desktop\Yolo\ultralytics\datasets\myperson\train
   val: D:\Desktop\Yolo\ultralytics\datasets\myperson\val
   nc: 1
   names: ['person']
   

4. 使用命令行训练模型：

   yolo detect train data=D:\Desktop\Yolo\ultralytics\datasets\myperson\my_person.yaml model=yolov8n.yaml pretrained=ultralytics/yolov8n.pt epochs=300 batch=4 lr0=0.01
   

   训练过程中的详细参数请参考官方文档。

训练结果示例如下：