深圳建设工程交易网站官网,无锡短视频推广,施工企业安全生产管理体系案例,wordpress 评论框主题一、准备深度学习环境本人的笔记本电脑系统是#xff1a;Windows10YOLO系列最新版本的YOLOv8已经发布了#xff0c;详细介绍可以参考我前面写的博客#xff0c;目前ultralytics已经发布了部分代码以及说明#xff0c;可以在github上下载YOLOv8代码#xff0c;代码文件夹中…一、准备深度学习环境本人的笔记本电脑系统是Windows10YOLO系列最新版本的YOLOv8已经发布了详细介绍可以参考我前面写的博客目前ultralytics已经发布了部分代码以及说明可以在github上下载YOLOv8代码代码文件夹中会有requirements.txt文件里面描述了所需要的安装包。本文最终安装的pytorch版本是1.8.1torchvision版本是0.9.1python是3.7.10其他的依赖库按照requirements.txt文件安装即可。然后还需要安装ultralytics目前YOLOv8核心代码都封装在这个依赖包里面可通过以下命令安装pip install ultralytics二、 准备自己的数据集本人在训练YOLOv8时选择的数据格式是VOC因此下面将介绍如何将自己的数据集转换成可以直接让YOLOv8进行使用。1、创建数据集我的数据集都在保存在mydata文件夹名字可以自定义目录结构如下将之前labelImg标注好的xml文件和图片放到对应目录下mydata…images # 存放图片…xml # 存放图片对应的xml文件…dataSet #之后会在Main文件夹内自动生成train.txtval.txttest.txt和trainval.txt四个文件存放训练集、验证集、测试集图片的名字无后缀.jpg示例如下mydata文件夹下内容如下image为VOC数据集格式中的JPEGImages内容如下xml文件夹下面为.xml文件标注工具采用labelImage内容如下 dataSet 文件夹下面存放训练集、验证集、测试集的划分通过脚本生成可以创建一个split_train_val.py文件代码内容如下 运行代码后在dataSet 文件夹下生成下面四个txt文档三个txt文件里面的内容如下 2、转换数据格式接下来准备labels把数据集格式转换成yolo_txt格式即将每个xml标注提取bbox信息为txt格式每个图像对应一个txt文件文件每一行为一个目标的信息包括class, x_center, y_center, width, height格式。格式如下 创建voc_label.py文件将训练集、验证集、测试集生成label标签训练中要用到同时将数据集路径导入txt文件中代码内容如下 3、配置文件1数据集的配置在mydata文件夹下新建一个mydata.yaml文件可以自定义命名用来存放训练集和验证集的划分文件train.txt和val.txt这两个文件是通过运行voc_label.py代码生成的然后是目标的类别数目和具体类别列表mydata.yaml内容如下2) 选择一个你需要的模型在ultralytics/models/v8/目录下是模型的配置文件这边提供s、m、l、x版本逐渐增大随着架构的增大训练时间也是逐渐增大假设采用yolov8x.yaml只用修改一个参数把nc改成自己的类别数,需要取整可选 如下 至此自定义数据集已创建完毕接下来就是训练模型了。 三、模型训练1、下载预训练模型在YOLOv8的GitHub开源网址上下载对应版本的模型https://github.com/ultralytics/assets/releases 2、训练接下来就可以开始训练模型了命令如下yolo taskdetect modetrain modelyolov8x.yaml datamydata.yaml epochs1000 batch16以上参数解释如下task选择任务类型可选[detect, segment, classify, init]mode: 选择是训练、验证还是预测的任务蕾西 可选[train, val, predict]model: 选择yolov8不同的模型配置文件可选yolov8s.yaml、yolov8m.yaml、yolov8l.yaml、yolov8x.yamdata: 选择生成的数据集配置文件epochs指的就是训练过程中整个数据集将被迭代多少次,显卡不行你就调小点。batch一次看完多少张图片才进行权重更新梯度下降的mini-batch,显卡不行你就调小点。训练过程如下所示
