YOLOV8现在可以直接通过命令行工具运行训练, 推理过程了, 方法如下, 首先安装ultralytics的包:
pip install ultralytics
接着尝试使用yolov8n来简单做个推理:
yolo task=detect mode=predict model=yolov8n.pt conf=0.25 source=some_picture.jpeg
接下来我们使用一个安全防护, 包括安全帽与反光衣的数据集, 利用3060显卡, 训练看看.
首先我们把数据集连同标注上传到 https://app.roboflow.com/
具体方法如下:
https://blog.roboflow.com/how-to-train-yolov8-on-a-custom-dataset/
基本上拖进去, 点两下鼠标就可以了.
点击Custom Train and Upload
选择YOLOv8, 点击GetSnippet
系统会帮你打个包, 在miniconda里面, 使用curl下载这个压缩包, 然后如果是windows系统, 就直接用系统的解压缩工具解压.
打开这个reboflow文件夹里面有个data.yaml, 打开, 编辑一下类别名称
3060显卡只有8G显存, 尝试使用batchsize为16来训练, 后面根据情况调整.
另外, 需要保证这torch的这三个, 是使用的gpu版本:
开始训练吧:
yolo task=detect mode=train model=yolov8s.pt data=C:\Users\zunly\OneDrive\ai\yolov8_playground\roboflow\data.yaml epochs=100 imgsz=640 batch=16
训练开始了.
这么点数据, 估计训练120轮也差不多了.
在166轮的时候告诉我最近50轮都没有啥大的进展, 就自动停止了.
ok, 接下来就利用这个模型来做个推理, source就是我的自拍视频:
yolo task=detect mode=predict model=C:\Users\zunly\OneDrive\ai\yolov8_playground\runs\detect\train16\weights\best.pt conf=0.25 source=C:\Users\zunly\OneDrive\media_sample\safe_vese_and_hat.mp4 show=True
