最近需要使用YOLOv8对自己的数据集进行训练，从而实现图像分类的功能，因此记录一下整个过程。
YOLOv8的github地址：https://github.com/ultralytics/ultralytics
参考链接：超详细YOLOv8图像分类全程概述：环境、训练、验证与预测详解
文章目录
- 一、YOLOv8环境搭建
- 二、准备训练数据集和权重文件
-
- 2.1 准备数据集
- 2.2 下载权重文件
- 三、训练自己的图片分类模型
-
- 3.1 训练模型
- 3.2 训练结果解读
- 四、验证自己的图片分类模型
- 五、使用自己的图片分类模型进行预测任务
- 五、数据集解压密码
一、YOLOv8环境搭建
如果你已经搭建好了YOLOv8的运行环境，请跳过这一步，如果没有搭建好，请参考我的另一篇文章，先搭建YOLOv8的运行环境，链接如下：
【YOLOv8系列】在Windows上从零搭建YOLOv8图像算法运行环境–by Anaconda（包括各种遇到的问题及解决方法）
二、准备训练数据集和权重文件
2.1 准备数据集
我们要训练自己的图片分类模型，首先需要创建一个自己的图片分类数据集。我这里为了简单演示，使用玫瑰和向日葵两个类的数据集举例。
按照官方的文档，ImageNet数据集应该具有一下目录结构：
