YOLOv8訓練自己的數據集(詳細教程)
等瞭好久終於等到瞭V8,趕緊測測效果,放張官網的比對圖
官網鏈接
https://github.com/ultralytics/ultralytics
再下載自己所需要的權重
https://github.com/ultralytics/assets/releases
使用pycharm打開之後,需要在命令行輸入下面命令
pip install ultralytics
參數配置
打開目錄下的文件夾 ultralytics->yolo->configs->default.yaml
參數可以根據自己的需求輸入在命令行裡(自認為沒有V5簡潔直觀,甚至有點麻煩)
訓練
在主目錄下創建個myself.yaml文件,格式與V5的一樣
訓練命令
yolo task=detect mode=train model=yolov8n.pt data=myself.yaml batch=60 epochs=300 imgsz=640
檢測
將訓練好的best.pt放到主目錄下(方便省事),在命令行輸入
yolo task=detect mode=predict model=best.pt source="C:\Users\Desktop\1"
runs文件夾查看效果即可
評價
- 訓練時好慢,有的時候還會出異常,GPU利用率上不去,希望後期能修復,別像V6,V7一樣就好
- 目前推出的都是適合640的模型,在較大分辨率圖片上看不出效果,等1280適配的模型出瞭再更新
- 最重要的是,目前V8隻支持使用命令去訓練和其他操作….
總結
到此這篇關於YOLOv8訓練自己的數據集的文章就介紹到這瞭,更多相關YOLOv8訓練自己的數據集內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- yolov5特征圖可視化的使用步驟
- python目標檢測實現黑花屏分類任務示例
- 如何將yolov5中的PANet層改為BiFPN詳析
- 基於Pytorch版yolov5的滑塊驗證碼破解思路詳解
- win10+anaconda安裝yolov5的方法及問題解決方案