yolo训练自己的数据集

使用conda创建环境

创建

conda create --prefix D:\custom_path\yolov8 python=3.9

激活

conda activate D:\custom_path\yolov8 

去github下载yolo

ultralytics/ultralytics: Ultralytics YOLO 🚀

打开pychar，选择刚创建的conda环境，然后看看文件夹里面有没有requirements.txt，如没有的话自行创建一个，复制下面的内容进去

# Ultralytics requirements
# Usage: pip install -r requirements.txt

# Base ----------------------------------------
matplotlib>=3.2.2
numpy>=1.22.2 # pinned by Snyk to avoid a vulnerability
opencv-python>=4.6.0
pillow>=7.1.2
pyyaml>=5.3.1
requests>=2.23.0
scipy>=1.4.1
torch>=1.7.0
torchvision>=0.8.1
tqdm>=4.64.0

# Logging -------------------------------------
# tensorboard>=2.13.0
# dvclive>=2.12.0
# clearml
# comet

# Plotting ------------------------------------
pandas>=1.1.4
seaborn>=0.11.0

# Export --------------------------------------
# coremltools>=6.0,<=6.2  # CoreML export
# onnx>=1.12.0  # ONNX export
# onnxsim>=0.4.1  # ONNX simplifier
# nvidia-pyindex  # TensorRT export
# nvidia-tensorrt  # TensorRT export
# scikit-learn==0.19.2  # CoreML quantization
# tensorflow>=2.4.1  # TF exports (-cpu, -aarch64, -macos)
# tflite-support
# tensorflowjs>=3.9.0  # TF.js export
# openvino-dev>=2023.0  # OpenVINO export

# Extras --------------------------------------
psutil  # system utilization
py-cpuinfo  # display CPU info
# thop>=0.1.1  # FLOPs computation
# ipython  # interactive notebook
# albumentations>=1.0.3  # training augmentations
# pycocotools>=2.0.6  # COCO mAP
# roboflow

使用命令进行安装

pip install -r requirements.txt

安装完成后在安装下面这两个

pip install ultralytics
pip install yolo

下载权重文件

权重文件在这个目录下

\\ultralytics-main\docs\en\models\yolov8.md

下载好文件上传到根目录

检测前面步骤是不是全部安装好

创建一个为run_prediction.py的文件复制下面代码，

from ultralytics import YOLO

# 加载模型
model = YOLO('yolov8n.pt')

# 执行预测
results = model.predict(source='D:/yolo/ultralytics-main/ultralytics/assets/zidane.jpg', save=True)

print(results)

如果出现这种的就代表成功了，记得把source里面的路径改成你自己的

from ultralytics import YOLO

# 加载模型
model = YOLO('yolov8n.pt')

# 执行预测
results = model.predict(source='D:/yolo/ultralytics-main/ultralytics/assets/zidane.jpg', save=True)

print(results)

以上检测完毕，现在进行自己数据训练

from ultralytics import YOLO

if __name__ == '__main__':
    # 加载模型
    model = YOLO('yolov8n.pt')

    # 开始训练并指定使用GPU
    results = model.train(
        data=r"D:\yolo\ultralytics_main\datasets\yolov8\data.yaml",
        epochs=100,
        imgsz=640,
        batch=16,
        device=0  # 指定使用第0号GPU
    )

我这里使用的是gpu跑，可以自行搜教程