ylov8的训练和预测使用（目标检测）

本文介绍: 目录在ultralytics/cfg/datasets/下面：例如我的：(这里面的yaml文件在/ultralytics/cfg/datasets下面有很多，可以找几个参考一下)

首先要配置文文件

1-配置数据集的yaml文件：

目录在ultralytics/cfg/datasets/下面：
例如我的：
(这里面的yaml文件在/ultralytics/cfg/datasets下面有很多，可以找几个参考一下)

path: /path/to/eye_datasets  # dataset root dir
train: train/images  # train images (relative to 'path') 4 images
val: valid/images  # val images (relative to 'path') 4 images
# test: images/test # test images (optional)
# Classes
names:
  0: eye

2- 配置.config/Ultralytics/settings.yaml 文件（/root/.config/Ultralytics/settings.yaml）

例如我的（更改了datasets_dir、weights_dir、runs_dir的路径）：

settings_version: 0.0.4
datasets_dir: /share1/luli/yolov8/dataset/eye_datasets
weights_dir: /share1/luli/yolov8/eyeCodes/weights
runs_dir: /share1/luli/yolov8/eyeCodes/runs
uuid: 858bd79f1fda6637d7c2de0b0427e31d0157b9b3249c78658e02fe4956764daf
sync: true
api_key: ''
clearml: true
comet: true
dvc: true
hub: true
mlflow: true
neptune: true
raytune: true
tensorboard: true
wandb: true

训练代码

from ultralytics import YOLO
# 加载模型
model = YOLO('yolov8n.pt')  # 加载预训练模型（推荐用于训练）
# 使用1个GPU训练模型
results = model.train(data='/path/to/ultralytics/cfg/datasets/eyes.yaml', epochs=100, imgsz=640, device=[0])

训练完成：

在这里插入图片描述

注意事项：

import os, sys
sys.path.append("/share1/luli/yolov8")
将"/share1/luli/yolov8"这个里面下面的搜索范围添加到当前的文件里面。

from ..ultralytics import YOLO   ..表示在上上一级目录

原文地址:https://blog.csdn.net/qq_43761012/article/details/135462590

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。

如若转载，请注明出处：http://www.7code.cn/show_56920.html

如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。

首先要配置文文件

1-配置数据集的yaml文件：

2- 配置.config/Ultralytics/settings.yaml 文件（/root/.config/Ultralytics/settings.yaml）

训练代码

注意事项：

相关文章

发表回复 取消回复

发表回复取消回复