一、安裝環(huán)境

筆者環(huán)境如下：

win10
anaconda
python3.8

二、clone代碼

地址如下，可以直接使用git命令進(jìn)行clone,也可以直接去網(wǎng)站下載

git clone https://github.com/ultralytics/ultralytics

代碼目錄如下所示

三、安裝必要的庫

其實(shí)這里比較重要的是兩步，第一步是安裝requirement.txt中的庫，然后再安裝ultralytics。那么下面就是安裝庫的過程了

安裝requirement.txt

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/

安裝ultralytics

 pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple/

note:這個版本其實(shí)是基于torch寫的，所以我們是需要安裝深度學(xué)?？蚣軒斓?，其實(shí)在requirement.txt的安裝中就已經(jīng)安裝了torch,但是默認(rèn)的是cpu版本的，如果你電腦有g(shù)pu,還是建議根據(jù)gpu的版本來配置對應(yīng)的環(huán)境，然后安裝gpu版本的torch,這樣的話訓(xùn)練的時候速度會快一些，如果沒有的話對于下面的訓(xùn)練也是沒有關(guān)系的，可以給batch以及epoch設(shè)置小一些，也是可以執(zhí)行的

四、配置自定的數(shù)據(jù)集

數(shù)據(jù)集是我提前準(zhǔn)備好的，如果需要自定的話，是需要使用 labelImge 標(biāo)注工具進(jìn)行標(biāo)注的，具體的可以參考下篇的這篇博文：

https://blog.csdn.net/public669/article/details/97610829?spm=1001.2014.3001.5502

準(zhǔn)備好數(shù)據(jù)之后呢，就需要按照yolov8的格式對數(shù)據(jù)進(jìn)行裝載了

筆者這里是在ultralytics文件下新建了一個dataSets

然后在dataSets下新建images、labels、test、val文件夾

具體如下

images文件下放的是圖片數(shù)據(jù)，具體如下，筆者這里使用的是細(xì)胞的數(shù)據(jù)集

labels文件下存放的是對應(yīng)圖片數(shù)據(jù)的標(biāo)簽信息

下面的就是就是數(shù)據(jù)的詳細(xì)的信息了，這一步是需要使用代碼進(jìn)行裝換的，具體的請參考https://blog.csdn.net/public669/article/details/98020800?spm=1001.2014.3001.5502

test文件下的格式也是一樣的，需要有兩個文件夾，分別是images和lables,同之前的一樣，images中放的是用戶測試的圖片數(shù)據(jù)，labels下面放的是對應(yīng)的圖片label信息

val文件下的格式同上

數(shù)據(jù)裝載完畢以后，就需要進(jìn)行對應(yīng)的yaml文件配置了，需要新建兩個yaml文件，分別如下：rbc.yaml和yolov8n.yaml

rbc.yaml文件如下：

train: E:/Projects/ultralytics-main/ultralytics/dataSets/data/images
val: E:/Projects/ultralytics-main/ultralytics/dataSets/data/val/images
test: E:/Projects/ultralytics-main/ultralytics/dataSets/data/test/images

# number of classes
nc: 1

# class names
names: ['RBC']

yolov8n.yaml文件如下：

其他的地方都不需要動，只需要給nc修改為1就可以了

具體文件如下：

# Ultralytics YOLO ??, GPL-3.0 license

# Parameters
nc: 1  # number of classes
depth_multiple: 0.33  # scales module repeats
width_multiple: 0.25  # scales convolution channels

# YOLOv8.0n backbone
backbone:
  # [from, repeats, module, args]
  - [-1, 1, Conv, [64, 3, 2]]  # 0-P1/2
  - [-1, 1, Conv, [128, 3, 2]]  # 1-P2/4
  - [-1, 3, C2f, [128, True]]
  - [-1, 1, Conv, [256, 3, 2]]  # 3-P3/8
  - [-1, 6, C2f, [256, True]]
  - [-1, 1, Conv, [512, 3, 2]]  # 5-P4/16
  - [-1, 6, C2f, [512, True]]
  - [-1, 1, Conv, [1024, 3, 2]]  # 7-P5/32
  - [-1, 3, C2f, [1024, True]]
  - [-1, 1, SPPF, [1024, 5]]  # 9

# YOLOv8.0n head
head:
  - [-1, 1, nn.Upsample, [None, 2, 'nearest']]
  - [[-1, 6], 1, Concat, [1]]  # cat backbone P4
  - [-1, 3, C2f, [512]]  # 13

  - [-1, 1, nn.Upsample, [None, 2, 'nearest']]
  - [[-1, 4], 1, Concat, [1]]  # cat backbone P3
  - [-1, 3, C2f, [256]]  # 17 (P3/8-small)

  - [-1, 1, Conv, [256, 3, 2]]
  - [[-1, 12], 1, Concat, [1]]  # cat head P4
  - [-1, 3, C2f, [512]]  # 20 (P4/16-medium)

  - [-1, 1, Conv, [512, 3, 2]]
  - [[-1, 9], 1, Concat, [1]]  # cat head P5
  - [-1, 3, C2f, [1024]]  # 23 (P5/32-large)

  - [[15, 18, 21], 1, Detect, [nc]]  # Detect(P3, P4, P5)

五、訓(xùn)練

完成了上述的一些操作以后，就可以進(jìn)行數(shù)據(jù)的訓(xùn)練了,需要執(zhí)行cd命令

cd E:\Projects\ultralytics-main\ultralytics\dataSets

訓(xùn)練數(shù)據(jù)的命令如下：

yolo task=detect mode=train model=yolov8n.pt data=./data/rbc.yaml epochs=100 imgsz=640  resume=Ture

如果有GPU的話，可以對數(shù)據(jù)進(jìn)行相應(yīng)的配置

yolo task=detect mode=train model=yolov8n.pt data=./data/rbc.yaml batch=32 epochs=100 imgsz=640 workers=4 device=0

訓(xùn)練效果如下：

六、驗(yàn)證模型

訓(xùn)練結(jié)束以后相關(guān)的數(shù)據(jù)都放在

E:\Projects\ultralytics-main\ultralytics\dataSets\runs\detect\train下了

具體的模型都存放在weights下了，具體如下：

現(xiàn)在我們就需要對模型進(jìn)行測試了

使用模型的測試命令如下：

yolo task=detect mode=predict model=runs/detect/train3/weights/best.pt source=data/images device=0

如果沒有GPU的話，就給device=0給刪除了

具體如下：

識別的結(jié)果如下：

可以看出來效果還是挺好的，相比之前的yolov3效果確實(shí)好很多，同時使用步驟方面的話也是挺簡潔的。

yolov8訓(xùn)練自己的數(shù)據(jù)集到這里就結(jié)束了，后續(xù)會持續(xù)分享關(guān)于yolov8的應(yīng)用，請持續(xù)關(guān)注我，讓我們一起學(xué)習(xí)進(jìn)步！

由于筆者能力有限，在表達(dá)方面可能存在一些不準(zhǔn)確的地方，還請多多包涵。文章來源地址http://www.zghlxwxcb.cn/news/detail-617689.html

到了這里，關(guān)于Yolov8訓(xùn)練自己的數(shù)據(jù)集合（最新實(shí)驗(yàn)數(shù)據(jù)）的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！