Yolov8训练自己的数据集(DIOR) |
您所在的位置:网站首页 › dior化妆品真伪查询 › Yolov8训练自己的数据集(DIOR) |
1.准备环境
pytorch-1.8.1,torchvision-0.9.1,python-3.9, 然后安装ultralytics。 pip install ultralytics2.准备数据集+配置文件 在训练YOLOv8时,选择的数据格式是VOC,然后将数据集转换成可以直接让YOLOv8进行使用。 (数据集转换格式请参照此篇文章DIOR数据集xml转txt格式并划分训练集测试集验证集(用于yolo)-CSDN博客) 配置文件dior.yaml ![]() 下载对应版本的模型https://github.com/ultralytics/assets/releases 本次采用的是yolov8n 4.训练训练模型,命令如下: yolo task=detect mode=train model=yolov8n.yaml data=dior.yaml epochs=1 batch=4 imgsz=640 resume=True参数解释如下: task:任务类型,这里选detect做检测(还有 'segment', 'classify', 'init') mode: 是训练、验证还是预测的任务 可选['train', 'val', 'predict'] model: yolov8不同的模型配置文件,可选yolov8s.yaml、yolov8m.yaml、yolov8l.yaml、yolov8x.yaml以及yolov8n.yaml。 data: 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, batch:一次看完多少张图片才进行权重更新 imgsz:图片大小 resume:训练应该从先前保存的检查点恢复。如果设置为 False,训练将从头开始。(用于中断后恢复训练) |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |