YOLOv8训练自己的数据集(详细教程)

目录
  • 官网链接
  • 参数配置
  • 训练
  • 训练命令
  • 检测
  • 评价
  • 总结

等了好久终于等到了V8，赶紧测测效果，放张官网的比对图

官网链接

https://github.com/ultralytics/ultralytics

再下载自己所需要的权重

https://github.com/ultralytics/assets/releases

使用pycharm打开之后，需要在命令行输入下面命令

pip install ultralytics

参数配置

打开目录下的文件夹 ultralytics->yolo->configs->default.yaml

参数可以根据自己的需求输入在命令行里（自认为没有V5简洁直观，甚至有点麻烦）

训练

在主目录下创建个myself.yaml文件，格式与V5的一样

训练命令

yolo task=detect mode=train model=yolov8n.pt data=myself.yaml batch=60 epochs=300 imgsz=640

检测

将训练好的best.pt放到主目录下（方便省事），在命令行输入

yolo task=detect mode=predict model=best.pt source="C:\Users\Desktop\1"

runs文件夹查看效果即可

评价

  • 训练时好慢，有的时候还会出异常，GPU利用率上不去，希望后期能修复，别像V6，V7一样就好
  • 目前推出的都是适合640的模型，在较大分辨率图片上看不出效果，等1280适配的模型出了再更新
  • 最重要的是，目前V8只支持使用命令去训练和其他操作....

总结

到此这篇关于YOLOv8训练自己的数据集的文章就介绍到这了,更多相关YOLOv8训练自己的数据集内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！

赞 (0)

相关推荐

  • 关于yolov8训练的一些改动及注意事项

    目录 1.YOLOv8创新改进点: 1.1.Backbone 1.2.PAN-FPN 1.3.Decoupled-Head 1.4.Anchor-Free 1.5.损失函数 1.6.样本匹配 2.关于基于预训练模型的训练 3.注意事项 总结 1.YOLOv8创新改进点: 1.1.Backbone 使用的依旧是CSP的思想,不过YOLOv5中的C3模块被替换成了C2f模块,实现了进一步的轻量化,同时YOLOv8依旧使用了YOLOv5等架构中使用的SPPF模块: 1.2.PAN-FPN 毫无疑问YO

  • C#使用TensorFlow.NET训练自己的数据集的方法

    今天,我结合代码来详细介绍如何使用 SciSharp STACK 的 TensorFlow.NET 来训练CNN模型,该模型主要实现 图像的分类 ,可以直接移植该代码在 CPU 或 GPU 下使用,并针对你们自己本地的图像数据集进行训练和推理.TensorFlow.NET是基于 .NET Standard 框架的完整实现的TensorFlow,可以支持 .NET Framework 或 .NET CORE , TensorFlow.NET 为广大.NET开发者提供了完美的机器学习框架选择. Sc

  • python神经网络AlexNet分类模型训练猫狗数据集

    python神经网络AlexNet分类模型训练猫狗数据集

    目录 什么是AlexNet模型 训练前准备 1.数据集处理 2.创建Keras的AlexNet模型 开始训练 1.训练的主函数 2.Keras数据生成器 3.主训练函数全部代码 训练结果 最近在做实验室的工作,要用到分类模型,老板一星期催20次,我也是无语了,上有对策下有政策,在下先找个猫猫狗狗的数据集练练手,快乐极了 什么是AlexNet模型 AlexNet是2012年ImageNet竞赛冠军获得者Hinton和他的学生Alex Krizhevsky设计的.也是在那年之后,更多的更深的神经网络

  • python 使用Yolact训练自己的数据集

    python 使用Yolact训练自己的数据集

    可能是由于yolact官方更新过其项目代码,所以网上其他人的yolact训练使用的config文件和我的稍微有区别.但总体还是差不多的. 1:提前准备好自己的数据集 使用labelme来制作分割数据集,但是得到的是一个个单独的json文件.需要将其转换成coco. labelme2coco.py如下所示(代码来源:github链接): import os import json import numpy as np import glob import shutil from sklearn.m

  • 保姆级官方yolov7训练自己的数据集及项目部署详解

    保姆级官方yolov7训练自己的数据集及项目部署详解

    目录 前言 第一步 数据集准备 第二步 train.py载入自己的数据集并训练 第三步 将训练好的pt文件做成接口调用 总结 前言 首先,先说明我只是初步接触yolov7,写这篇文章的主要目的是可以让大家快速应用自己的数据集进行训练.没有接触过yolov5也没有关系,该篇文章会逐步进行演示如何训练. 第一步 数据集准备 首先确保你有labelimg标图软件,若无,需要自行去下一个并看一下标图教程. 当你已经标注完成,获得了img以及相对应的xml之后(如图) 接下来就是可选择项:是否需要图像增强

  • Centos7下使用yum安装mysql数据库的详细教程(增强版)

    在之前给大家分享过这篇文章:CentOS 7.0下使用yum安装mysql的方法详解,小编觉得不够详细,今天给大家通过本文给大家做个补充,感兴趣的朋友可以参考下. 1. 下载mysql的repo源 $ wget http://repo.mysql.com/mysql-community-release-el7-5.noarch.rpm 2. 安装mysql-community-release-el7-5.noarch.rpm包 $ sudo rpm -ivh mysql-community-re

  • 微信小程序(微信应用号)开发工具0.9版安装详细教程

    微信小程序(微信应用号)开发工具0.9版安装详细教程

    微信小程序全称微信公众平台·小程序,原名微信公众平台·应用号(简称微信应用号) 声明 •微信小程序开发工具类似于一个轻量级的IDE集成开发环境,目前仅开放给了少部分受微信官方邀请的人士(据说仅200个名额)进行内测,因此目前未受到邀请的人士只能使用破解版: •本破解版资源来自于网上,与本人无关,仅供技术开发人员研究之用: •由于尚属内测阶段,因此迭代更新非常快,后续很可能由于升级而导致暂时无法使用. 特别注意 •由于目前发布的0.9版本必须验证才能登录(估计是为了验证是否为内测人士),因此必须先

  • centos 6.9安装mysql的详细教程

    1.确认mysql是否已安装,有下面的代码可知 [root@cdh1 zjl]# yum list installed mysql* Loaded plugins: fastestmirror, refresh-packagekit, security Loading mirror speeds from cached hostfile * base: mirrors.zju.edu.cn * extras: mirrors.aliyun.com * updates: mirrors.aliyu

  • [Oracle] Data Guard CPU/PSU补丁安装详细教程

    非Data Guard的补丁安装教程可参考<[Oracle] CPU/PSU补丁安装详细教程>,Data Guard需要Primary和Standby同时打上补丁,所以步骤更复杂一些,其主要步骤如下:1.在Primary停止日志传输服务:2.关闭Standby数据库,在Standby的软件上打补丁(注意:不需要为Standby数据库打补丁),启动standby为mount状态,不启用managed recovery:3.关闭Primary,在Primary的软件和数据库本身都打上补丁:4.启动

  • 使用vue.js2.0 + ElementUI开发后台管理系统详细教程（二）

    使用vue.js2.0 + ElementUI开发后台管理系统详细教程（二）

    在上篇文章给大家介绍了使用vue.js2.0 + ElementUI开发后台管理系统详细教程(一) 1. 引入路由工具vue-router,切换视图 # 安装vue-router cnpm install vue-router --save-dev 2. 使用vue-router main.js import Vue from 'vue' import App from './App' import VueRouter from 'vue-router' import routeConfig f

  • 使用vue.js2.0 + ElementUI开发后台管理系统详细教程（一）

    使用vue.js2.0 + ElementUI开发后台管理系统详细教程（一）

    1. 根据官方指引,构建项目框架 # 安装vue $ cnpm install vue@2.1.6 # 全局安装 vue-cli $ cnpm install --global vue-cli # 创建一个基于 webpack 模板的新项目my-project $ vue init webpack my-project # 进入项目目录 $ cd my-project # 安装依赖,走你 $ cnpm install # 运行项目 $ cnpm run dev 2. 运行项目之后,会看到以下界面

随机推荐