YOLOv8 训练自己的数据集教程

目录

一、环境配置

1.1. 安装 Python 和 PyTorch

1.2. 安装 Ultralytics

二、数据集准备

2.1. 数据标注

2.2. 数据集划分

2.3. 创建数据集配置文件

三、模型训练

3.1. 选择预训练模型

3.2. 执行训练命令

四、模型评估与预测

4.1. 模型评估

4.2. 模型预测

一、环境配置

1.1. 安装 Python 和 PyTorch

        确保你的系统中已经安装了 Python，推荐使用 Python 3.7 及以上版本。你可以通过以下命令检查 Python 版本：

python --version

        安装 PyTorch 时，需要根据你的 CUDA 版本选择对应的安装命令。如果你的电脑没有 NVIDIA 显卡或不使用 CUDA 加速，可以安装 CPU 版本。例如，安装 CUDA 11.8 对应的 PyTorch 命令如下：

pip install torch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 --index-url https://download.pytorch.org/whl/cu118

1.2. 安装 Ultralytics

        YOLOv8 是 Ultralytics 公司开源的项目，可以使用以下命令直接通过 pip 安装：

pip install ultralytics

        安装完成后，你可以通过以下命令验证是否安装成功：

yolo --help

        如果安装成功，会输出 YOLOv8 的相关命令帮助信息。

二、数据集准备

2.1. 数据标注

        使用标注工具（如 LabelImg、RectLabel 等）对自己的数据集进行标注。标注完成后，将数据整理成 YOLOv8 所需的格式，即每个图像对应一个同名的 txt 标注文件，txt 文件中每一行代表一个目标，格式为：类别索引 x_center y_center width height。其中，类别索引是从 0 开始的整数，代表目标的类别；x_center、y_center、width、height是目标框的中心坐标和宽高，数值均为归一化到 [0, 1] 之间的值。

2.2. 数据集划分

        将整理好的数据集划分为训练集、验证集和测试集。一般情况下，按照 8:1:1 的比例进行划分。可以使用 Python 脚本进行自动划分，以下是一个简单的示例：

import os

import random

import shutil