YOLO 自己训练一个模型

一、准备数据集

我的版本是yolov8  8.11 

这个目录结构很重要

ultralytics-main

|  datasets

|coco

|train

|val

二、训练

编写yaml 文件

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]

path: "D:\\work\\pycharmworkplace\\ultralytics-main\\datasets\\coco" # dataset root dir

train: "D:\\work\\pycharmworkplace\\ultralytics-main\\datasets\\coco\\train"

val: "D:\\work\\pycharmworkplace\\ultralytics-main\\datasets\\coco\\val"

#test: # test images (optional)

# Classes (80 COCO classes)

names:

0: fire

 编写python 文件

from ultralytics import YOLO

# Load a model

model = YOLO('.\\ultralytics-main\\yolov8n.pt') # load a pretrained model (recommended for training)

# Train the model

results = model.train(data='.\\ultralytics-main\\datasets\\coco\\coco.yaml', epochs=10, imgsz=640)

# 检测命令

# yolo predict model=best.pt source=ultralytics\assets\1_5.jpg

三、验证

自动训练

用python 文件启动

 我只总共2600 张图，训练集是1600 张 ，跑10次大概一个多小时跑完

在dataset 的那个文件夹的coco 文件夹下生成了一个runs 的文件夹，里面就有模型和结果

结果看不懂，后面再说，现在找模型

训练的模型在这个目录下

测试：

 测试命令

yolo predict model=.datasets\\coco\\runs\\detect\\train2\\weights\\best.pt source=ultralytics\assets

\1_54.jpg

结果

相关阅读