• 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍖 原作者：K同学啊 | 接辅导、项目定制

本次学习的模型为YOLO-v8，先调用官方模型测试，检查源码环境配置是否正确，其次使用本地数据集进行训练。
【🔗YOLO-v8开源地址】
【🔗水果数据集地址】

环境：

• PC端，VSCode，CPU
  目录结构：
• 主目录
  • paper_data（自定义文件，将数据集放到这里）
    • annotations（每张图片的.xml文件）
    • images（图片文件）
    • ImageSets
      • Main（执行split_train_val.py文件后，自动在该文件夹内生成train.txt、val.txt、test.txt、trainval.txt四个文件，分别存放训练集、验证集、测试集图片的名字）
    • fruit.yaml（数据集及数据类别声明文件）
    • split_train_val.py（划分训练集、验证集与测试集）
    • voc_label.py（填充训练集、验证集与测试集的图片路径）

一、官方环境配置与测试

参考给出的md文档：

1. 配置环境

直接安装：pip install ultralytics

2. 用官方图片测试（图片下载失败）

在终端输入：yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'

图片下载失败，改为本地图片。

3. 用本地图片测试，检查配置的环境是否可用

在终端输入：yolo predict model=yolov8n.pt source='D:\\jupyter notebook\\DL-100-days\\datasets\\Cats&Dogs Data2\\cat\\flickr_cat_000111.jpg'：

测试结果：

二、使用自己的数据集进行训练测试

1. 执行split_train_val.py文件

【之前的文章里有源码，此处不再赘述，在之前的文件中修改路径即可】

2. 执行python .\voc_label.py文件

【之前的文章里有源码，此处不再赘述，在之前的文件中修改路径即可

3. 创建fruit.yaml文件

【之前的文章里有源码，此处不再赘述，在之前的文件中修改路径即可

三、准备训练

执行：yolo task=detect mode=train model=yolov8s.yaml data="D:/jupyter notebook/365-DL/YOLO/Y7/ultralytics-main/paper_data/fruit.yaml" epochs=100 batch=4

运行结果如下：

100个epoch耗时2.411小时。各类别的训练结果如下：

train_batch0.png如下：

val_batch0_labels.png如下：

【本文相关源码&数据集】