YOLOv10训练，适合小白训练，新手YOLOv10训练自己数据集教程！超简单，超详细！！

---

AI学术叫叫兽在这！家人们，给我遥遥领先！！！

方法一：云服务器教程

一、CSDN文字教程点击这个链接即可

二、B站视频教程，非常详细

详细教学视频戳这里，小白八分钟即可完成！不走任何弯路！

方法二 自建环境

训练四部曲，掌握便可跑！

一、COCO本文数据集训练（标注文本格式为text）

---

1.1、YOLOv10深度学习环境搭建及安装

1.1.1 环境详细配置

我的显卡配置为：RTX A4000(16GB)
具体环境：
PyTorch 1.8.1
Python 3.8(ubuntu18.04)
Cuda 11.1
依赖库按照requirements.txt文件安装即可。

1.1.2 安装YOLOv8所需要的ultralytics库

安装YOLOv8所需要的ultralytics库，在1.1.1的环境中，执行下述代码：

pip install ultralytics

1.1.3 下载YOLOv10代码包

下载YOLOv10代码包至此环境中，执行代码如下：

git clone https://github.com/THU-MIG/yolov10.git

自动下载
至此，环境搭建结束！

1.2、准备自己的数据集

1.2.1 coco格式的数据集创建（较为简单，适合新手）

文件夹内容如下：

------coco（文件夹名随便起，不能有中文字符）
---------images
------------train（存放训练集图片）
------------test （存放测试集图片）
------------val （存放验证集图片）
---------tables
------------train（存放训练集标注文件）
------------test （存放训练集标注文件）
------------val （存放训练集标注文件）

1.2.2 新建训练执行简易代码

在YOLOv10包中，新建train.py,代码如下：

from ultralytics import YOLO
 
# Load a model
# yaml会自动下载
model = YOLO("ultralytics/cfg/models/v10/yolov10n.yaml")  # build a new model from scratch
#model = YOLO("d:/Data/yolov8s.pt")  # load a pretrained model (recommended for training)
 
# Train the model
results = model.train(data="coco128.yaml", epochs=100, imgsz=640)

此代码在YOLOv10包的存放位置如下图所示：

1.2.3 执行训练指令，自动配置权重和原始数据集

在配置好的环境中，执行训练指令，如下，

python train

然后自动下载原始数据集与权重。等待下载完成即可。

1.3 替换原始数据集为自己的数据集（详细介绍可关注B站:AI学术叫叫兽）

1.3.1 找到原始的数据集，将其删除，将自己的数据集上传，并更名为coco128（原始数据集的名字）

1.3.2 修改coco128.yaml文件中的名字和类别

路径： ultralytics/ultralytics/cfg/datasets/coco128.yaml
做对应修改即可，如果不会修改，直接看本文1.5 路径修改教程即可！

1.4 训练自己的数据集

再次执行训练命令：

python train

即可完成自己的数据集训练。

1.5 yaml文件修改路径教学（重要！必学家人们！）

1.5.1 报错情形

家人们，在数据集训练以及改进模型等情形下，常会遇到修改路径的，导致报错。在此进行阐述，希望能够帮到各位粉丝！
例如下图中遇到的错误：

即：

FileNotFoundError: 'ultralytics/cfg/models/v10/yolov10S.yaml' does not exist

类似错误一般都是路径问题。

1.5.2 错误处理

例如：1. 模型网络配置文件：
读懂路径：ultralytics/cfg/models/v10/yolov10S.yaml
其含义为：ultralytics文件下的cfg文件中的models文件中的v8中的YOLOv10yolov10s.yam文件
2. 数据集路径文件

ultralytics/ultralytics/cfg/datasets/coco128.yaml

打开该文件，找到路径配置，如下：

path: ../datasets/coco128  # dataset root dir
train: images/train2017  # train images (relative to 'path') 128 images
val: images/train2017  # val images (relative to 'path') 128 images
test:  # test images (optional)

path表示在根目录下的datasets文件中的coco128 文件夹下
train的路径是 images文件中的train2017 文件夹
其它类似。
对应自己的数据或文件路径进行增加、减少路径或修改名称即可。

总结

对于小白，文字教程总是显得苍白无力，对此我在B站上传了相关的视频详解。请关注B站博主：AI学术叫叫兽
更多SCI写作技巧和创新点以及YOLO模型改进源代码等资源，均在B站上传。点开博主主页，在工房中！

AI学术叫叫兽在这！家人们，给我遥遥领先！！！