位置: IT常识 - 正文

【YOLO】YOLOv8实操:环境配置/自定义数据集准备/模型训练/预测(yolov5m)

编辑:rootadmin
【YOLO】YOLOv8实操:环境配置/自定义数据集准备/模型训练/预测 YOLOv8实操:环境配置/自定义数据集准备/模型训练/预测引言1 环境配置2 数据集准备3 模型训练4 模型预测引言

推荐整理分享【YOLO】YOLOv8实操:环境配置/自定义数据集准备/模型训练/预测(yolov5m),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:yolov5l,yolo v3详解,yolo v3详解,yolo实战视频教程,yolo实战视频教程,yolo v3详解,yolo yolov2 yolov3,yolo v3详解,内容如对您有帮助,希望把文章链接给更多的朋友!

源码链接:https://github.com/ultralytics/ultralytics yolov8和yolov5是同一作者,相比yolov5,yolov8的集成性更好了,更加面向用户了 YOLO命令行界面(command line interface, CLI) 方便在各种任务和版本上训练、验证或推断模型。CLI不需要定制或代码,可以使用yolo命令从终端运行所有任务。

如果想了解yolo系列的更新迭代,以及yolov8的模型结构,推荐下面的链接: YOLOv8详解 【网络结构+代码+实操】 笔者直接从实操入手

1 环境配置

安装pytorch、torchvision和其他依赖库

环境配置部分可以参考笔者的博客 【YOLO】YOLOv5-6.0环境搭建(不定时更新)

【YOLO】YOLOv8实操:环境配置/自定义数据集准备/模型训练/预测(yolov5m)

安装ultralytics

git clone https://github.com/ultralytics/ultralyticscd ultralyticspip install -e .2 数据集准备

针对检测的数据集准备可以参考笔者的博客,这里不再赘述了 【YOLO】训练自己的数据集

3 模型训练

比起YOLOv5,YOLOv8的训练封装性更好了,有利有弊吧,参数默认值修改比较麻烦

训练指令如下:

yolo task=detect mode=train model=yolov8s.pt data=/media/ll/L/llr/DATASET/subwayDatasets/coco.yaml device=0 cache=True epochs=300 project=/media/ll/L/llr/mode name=yolov8

除了上述笔者使用的参数,其他参数说明

task: detect # 可选择:detect, segment, classifymode: train #可选择: train, val, predict# Train settings -------------------------------------------------------------------------------------------------------model: # 设置模型。格式因任务类型而异。支持model_name, model.yaml,model.ptdata: # 设置数据,支持多数类型 data.yaml, data_folder, dataset_nameepochs: 300 # 需要训练的epoch数patience: 50 # epochs to wait for no observable improvement for early stopping of trainingbatch: 16 # Dataloader的batch大小imgsz: 640 # Dataloader中图像数据的大小save: True # save train checkpoints and predict resultssave_period: -1 # Save checkpoint every x epochs (disabled if < 1)cache: True # True/ram, disk or False. Use cache for data loadingdevice: # device to run on, i.e. cuda device=0 or device=0,1,2,3 or device=cpuworkers: 8 # 每个进程使用的cpu worker数。使用DDP自动伸缩project: /media/ll/L/llr/model # project namename: yolov8 # experiment nameexist_ok: False # whether to overwrite existing experimentpretrained: False # whether to use a pretrained modeloptimizer: SGD # 支持的优化器:Adam, SGD, RMSPropverbose: True # whether to print verbose outputseed: 0 # random seed for reproducibilitydeterministic: True # whether to enable deterministic modesingle_cls: False # 将多类数据作为单类进行训练image_weights: False # 使用加权图像选择进行训练rect: False # 启用矩形训练cos_lr: False # 使用cosine LR调度器close_mosaic: 10 # disable mosaic augmentation for final 10 epochsresume: False # resume training from last checkpointmin_memory: False # minimize memory footprint loss function, choices=[False, True, <roll_out_thr>]# Segmentationoverlap_mask: True # 分割:在训练中使用掩码重叠mask_ratio: 4 # 分割:设置掩码下采样# Classificationdropout: 0.0 # 分类:训练时使用dropout# Val/Test settings ----------------------------------------------------------------------------------------------------val: True # validate/test during trainingsplit: val # dataset split to use for validation, i.e. 'val', 'test' or 'train'save_json: False # save results to JSON filesave_hybrid: False # save hybrid version of labels (labels + additional predictions)conf: # object confidence threshold for detection (default 0.25 predict, 0.001 val)iou: 0.7 # intersection over union (IoU) threshold for NMSmax_det: 300 # maximum number of detections per imagehalf: False # use half precision (FP16)dnn: False # 使用OpenCV DNN进行ONNX推断plots: True # 在验证时保存图像# Prediction settings --------------------------------------------------------------------------------------------------source: # 输入源。支持图片、文件夹、视频、网址show: False # 查看预测图片save_txt: False # 保存结果到txt文件中save_conf: False # save results with confidence scoressave_crop: False # save cropped images with resultshide_labels: False # hide labelshide_conf: False # hide confidence scoresvid_stride: 1 # 输入视频帧率步长line_thickness: 3 # bounding box thickness (pixels)visualize: False # 可视化模型特征augment: False # apply image augmentation to prediction sourcesagnostic_nms: False # class-agnostic NMSclasses: # filter results by class, i.e. class=0, or class=[0,2,3]retina_masks: False #分割:高分辨率掩模boxes: True # Show boxes in segmentation predictions# Export settings ------------------------------------------------------------------------------------------------------format: torchscript # format to export tokeras: False # use Kerasoptimize: False # TorchScript: optimize for mobileint8: False # CoreML/TF INT8 quantizationdynamic: False # ONNX/TF/TensorRT: dynamic axessimplify: False # ONNX: simplify modelopset: # ONNX: opset version (optional)workspace: 4 # TensorRT: workspace size (GB)nms: False # CoreML: add NMS# Hyperparameters ------------------------------------------------------------------------------------------------------lr0: 0.01 # 初始化学习率lrf: 0.01 # 最终的OneCycleLR学习率momentum: 0.937 # 作为SGD的momentum和Adam的beta1weight_decay: 0.0005 # 优化器权重衰减warmup_epochs: 3.0 # Warmup的epoch数,支持分数)warmup_momentum: 0.8 # warmup的初始动量warmup_bias_lr: 0.1 # Warmup的初始偏差lrbox: 7.5 # box loss gaincls: 0.5 # cls loss gain (scale with pixels)dfl: 1.5 # dfl loss gainfl_gamma: 0.0 # focal loss gamma (efficientDet default gamma=1.5)label_smoothing: 0.0 # label smoothing (fraction)nbs: 64 # nominal batch sizehsv_h: 0.015 # image HSV-Hue augmentation (fraction)hsv_s: 0.7 # image HSV-Saturation augmentation (fraction)hsv_v: 0.4 # image HSV-Value augmentation (fraction)degrees: 0.0 # image rotation (+/- deg)translate: 0.1 # image translation (+/- fraction)scale: 0.5 # image scale (+/- gain)shear: 0.0 # image shear (+/- deg)perspective: 0.0 # image perspective (+/- fraction), range 0-0.001flipud: 0.0 # image flip up-down (probability)fliplr: 0.5 # image flip left-right (probability)mosaic: 1.0 # image mosaic (probability)mixup: 0.0 # image mixup (probability)copy_paste: 0.0 # segment copy-paste (probability)# Custom config.yaml ---------------------------------------------------------------------------------------------------cfg: # for overriding defaults.yaml# Debug, do not modify -------------------------------------------------------------------------------------------------v5loader: False # use legacy YOLOv5 dataloader4 模型预测weight_path = "best.pt" # 自训练的模型imgdir = r'/media/ll/L/llr/DATASET/subwayDatasets/bjdt/images' img_path = r'/media/ll/L/llr/DATASET/subwayDatasets/bjdt/images/L_0000018.jpg'model = YOLO(weight_path)results = model(img_path,show=False,save=False) # 是否显示和保存结果数据

预测一张图片,results如下图所示: 预测文件夹目录,results如图所示: 无论是一张图片还是图片目录,返回的results都是list

要对预测结果进行处理需要索引进去,如下图所示 结果参数说明:

boxes:各种形式的检测框信息(xyxy、xywh、归一化的)、类别索引、置信度等 names:类别字典 orig_img:原图数组 orig_shape:原图尺寸 plots:在验证时保存图像(预测时一般为None) speed:处理速度

基于上述模型提供的检测结果进行后处理算法等

上述即为yolov8的快速使用

本文链接地址:https://www.jiuchutong.com/zhishi/288825.html 转载请保留说明!

上一篇:Yolov5/Yolov7加入Yolov8 c2f模块,涨点(yolov教程)

下一篇:【JavaScript】基于querySelector / querySelectorAll对元素的操作,为你的DOM API基础扫盲~(javascript基础语法)

  • 微信粉丝怎样增加、管理与维护(微信粉丝如何快速增加)

    微信粉丝怎样增加、管理与维护(微信粉丝如何快速增加)

  • 微信状态听歌怎么添加QQ音乐歌曲(微信状态听歌怎么取消掉)

    微信状态听歌怎么添加QQ音乐歌曲(微信状态听歌怎么取消掉)

  • 手机电变成黄颜色怎么(手机电变成黄色是怎么回事)

    手机电变成黄颜色怎么(手机电变成黄色是怎么回事)

  • 小米摄像头老是内存卡异常(小米摄像头老是自动休眠)

    小米摄像头老是内存卡异常(小米摄像头老是自动休眠)

  • 苹果7p通话没声音免提都失灵(苹果7p通话没声重启又好了)

    苹果7p通话没声音免提都失灵(苹果7p通话没声重启又好了)

  • 美版和国行屏幕有色差(美版和国行屏幕有什么区别)

    美版和国行屏幕有色差(美版和国行屏幕有什么区别)

  • 微信扫码记录在哪里看(微信扫码后的记录在哪里)

    微信扫码记录在哪里看(微信扫码后的记录在哪里)

  • 苹果xs一般充电多长时间(苹果xs一般充电多久)

    苹果xs一般充电多长时间(苹果xs一般充电多久)

  • 微信卡券怎么删除(微信卡券怎么删除不想要的)

    微信卡券怎么删除(微信卡券怎么删除不想要的)

  • ipadair3弯曲的官方解释(ipadair3普遍弯曲)

    ipadair3弯曲的官方解释(ipadair3普遍弯曲)

  • 华为ncetl10是什么型号(华为nce-al10是什么型号手机)

    华为ncetl10是什么型号(华为nce-al10是什么型号手机)

  • 苹果8p建议升级13.3.1系统吗(苹果8p建议升级15.7.1吗)

    苹果8p建议升级13.3.1系统吗(苹果8p建议升级15.7.1吗)

  • 苹果11快充发烫正常吗(苹果11快充发烫怎么解决)

    苹果11快充发烫正常吗(苹果11快充发烫怎么解决)

  • oppo手机上的hd是什么意思怎么关(oppo手机上的HD是什么)

    oppo手机上的hd是什么意思怎么关(oppo手机上的HD是什么)

  • i7 950属于什么级别(i7 950cpu参数)

    i7 950属于什么级别(i7 950cpu参数)

  • 荣耀10能否升级emui10(荣耀10能否升级内存)

    荣耀10能否升级emui10(荣耀10能否升级内存)

  • 微信总是接不到视频(微信总是接不到视频,听到打开就没有了)

    微信总是接不到视频(微信总是接不到视频,听到打开就没有了)

  • 老人机怎么设置一键拨号(老人机怎么设置中文模式)

    老人机怎么设置一键拨号(老人机怎么设置中文模式)

  • 苹果小窗口怎么开启(苹果小窗口怎么弄)

    苹果小窗口怎么开启(苹果小窗口怎么弄)

  • 手机要不要开启位置信息

    手机要不要开启位置信息

  • 小米8se是什么系统(小米8se是什么系列手机)

    小米8se是什么系统(小米8se是什么系列手机)

  • qq怎么设置5g在线(qq怎么设置5g在线状态)

    qq怎么设置5g在线(qq怎么设置5g在线状态)

  • vivox27有面容解锁吗(vivox27手机有没有面部解锁功能)

    vivox27有面容解锁吗(vivox27手机有没有面部解锁功能)

  • bklal20华为什么型号(bkl-al20华为什么型号)

    bklal20华为什么型号(bkl-al20华为什么型号)

  • win10应用视图首先列出桌面中常用软件(win10应用图标怎么调出来)

    win10应用视图首先列出桌面中常用软件(win10应用图标怎么调出来)

  • win7系统还原系统默认字体的方法(win7系统还原系统保护关闭)

    win7系统还原系统默认字体的方法(win7系统还原系统保护关闭)

  • 缴纳印花税的会计凭证
  • 个人免征税额
  • 即征即退收入要交税吗
  • 其他应收款贷方余额表示什么
  • 行政事业性收据上面的角分无是右下划线吗
  • 房地产公司解散条件
  • 现金货款退回如何做会计分录呢?
  • 半成品转成品会计分录
  • 交易或事项对会计等式的影响表格怎么填
  • 生产企业报关单金额大于发票金额
  • 简并税率后,申报增值税要注意哪几点?
  • 企业职工福利费扣除标准
  • 在公司发现问题该说吗
  • 个人非货币性资产投资的税务筹划
  • 资本结构理论有哪些类型
  • 营业外支出怎么冲减
  • 向投资者分配现金股利会计分录?
  • .net 安装
  • 内存坏了电脑会黑屏吗
  • 内账进项税不设置怎么账务处理
  • h5实现扫码功能
  • 解决思路怎么写
  • 为什么建筑企业简易计税可以扣分包款
  • 自创商誉的确认
  • 公账提取备用金限额
  • 费用扣除制度
  • 栅格布局实现
  • 免费GPU:九天•毕昇平台使用教程
  • 应收票据其他应收款都需要提取坏账准备么
  • 不带息票据按面值入账
  • 文件不小心删除了怎么恢复
  • sta翻译中文
  • php封装数据库操作
  • 商场售后返租
  • 收不回的应收账款分录
  • 会计中财务费用为负
  • 出口免抵退转免税
  • 保理融资费用账务处理
  • 供应商发票多开了3毛钱能做到财务费吗
  • php发邮件系统源码
  • 消费税和资源税何时计入成本,何时计入费用
  • 固定资产净残值和净值的区别
  • 社保稳岗补贴怎么查询
  • 一般纳税人购销合同印花税怎么算
  • 买车哪些费用可以计入固定资产
  • 分期购车会计分录小规模
  • 车间检测费会计分录
  • 应交税费年末需要结转吗
  • 银行收费错误当天能退吗
  • 收到返利怎么做会计分录
  • 付设备款的会计分录
  • 行政单位收到银行存款利息的会计分录
  • 应收账款和坏账准备的解题思路
  • 五险一金怎么用呢
  • 个体工商户个税2023最新政策
  • 货币资金核算内容
  • mysql的拼接符号
  • mysql字符集设置命令
  • win7系统环境变量无法编辑怎么办
  • Win10系统中怎么将文件夹进行压缩
  • ubuntu无线网卡驱动离线安装
  • 系统恢复 win10
  • Win7电脑屏幕横过来了怎么恢复
  • linux ping命令的用法
  • Win10 Mobile 10586.71截图曝光 修复已知问题
  • win7右键设置方法
  • pebble框架
  • http://www.2cto.com/kf/201402/280576.html
  • perl使用保留字引用什么模块
  • glsurfaceview特性
  • 红宝书csv
  • jquery 鼠标
  • android 设备信息
  • Metaio in Unity3d 教学--- 一. 搭建环境,运行官方案例
  • javascript的理解
  • googlevoice使用教程
  • 无经营公司
  • 乡村振兴与文化遗产保护研究
  • 柴油增值税发票
  • 浙江农村医保手机上怎么缴费
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设