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)

  • 荣耀play4pro外壳是玻璃材质吗(荣耀play4pro后盖是玻璃还是塑料)

    荣耀play4pro外壳是玻璃材质吗(荣耀play4pro后盖是玻璃还是塑料)

  • 苹果手机密码忘了怎么解锁(苹果手机密码忘记了怎么开锁开锁)

    苹果手机密码忘了怎么解锁(苹果手机密码忘记了怎么开锁开锁)

  • 安卓typec是通用的吗

    安卓typec是通用的吗

  • 三星手机一直反复开机(三星手机一直自动返回)

    三星手机一直反复开机(三星手机一直自动返回)

  • 抖音里的动态什么意思(抖音上的动态是什么)

    抖音里的动态什么意思(抖音上的动态是什么)

  • vivo手机自动清灰(vivo手机自动清理灰尘)

    vivo手机自动清灰(vivo手机自动清理灰尘)

  • wifi密码被别人改了怎么办(WIFI密码被别人知道了怎么办)

    wifi密码被别人改了怎么办(WIFI密码被别人知道了怎么办)

  • 剪映解析音乐失败(剪映导入音乐显示解析失败怎么办)

    剪映解析音乐失败(剪映导入音乐显示解析失败怎么办)

  • jkm_aloob是什么手机(jkm alooa 是什么手机型号)

    jkm_aloob是什么手机(jkm alooa 是什么手机型号)

  • 小天才电话手表支付宝怎么充值(小天才电话手表充不进去电是怎么回事)

    小天才电话手表支付宝怎么充值(小天才电话手表充不进去电是怎么回事)

  • 美标耳机和国标区别(美标耳机和国标耳机通用吗)

    美标耳机和国标区别(美标耳机和国标耳机通用吗)

  • 苹果xs面容坏了能修吗(苹果xs面容坏了能修吗多少钱)

    苹果xs面容坏了能修吗(苹果xs面容坏了能修吗多少钱)

  • bootp什么意思

    bootp什么意思

  • b150主板支持9代cpu吗(b150主板支持i5几代)

    b150主板支持9代cpu吗(b150主板支持i5几代)

  • 抖音进入房间失败是什么原因(抖音进入房间失败为你跳到下一个直播间)

    抖音进入房间失败是什么原因(抖音进入房间失败为你跳到下一个直播间)

  • 充放电是什么意思(充放电模式是什么)

    充放电是什么意思(充放电模式是什么)

  • vivoz5前面有提示灯吗(vivo手机提示)

    vivoz5前面有提示灯吗(vivo手机提示)

  • 酷我k歌怎么录歌(如何操作酷我k歌的录唱)

    酷我k歌怎么录歌(如何操作酷我k歌的录唱)

  • ntfs对u盘损伤有多大(ntfs损坏u盘)

    ntfs对u盘损伤有多大(ntfs损坏u盘)

  • 华为nova4电池耐用吗(华为nova4电池怎么样)

    华为nova4电池耐用吗(华为nova4电池怎么样)

  • 小度在家1c怎么下载应用(小度在家1c怎么下载软件)

    小度在家1c怎么下载应用(小度在家1c怎么下载软件)

  • 陌陌不可以视频了吗(陌陌怎么不能视频)

    陌陌不可以视频了吗(陌陌怎么不能视频)

  • 华为nova5与nova5pro的区别(华为nova5与nova5pro)

    华为nova5与nova5pro的区别(华为nova5与nova5pro)

  • qq影音怎样保存视频(qq影音怎么保存播放列表)

    qq影音怎样保存视频(qq影音怎么保存播放列表)

  • 说说switch关键字(switch关键账号教程)

    说说switch关键字(switch关键账号教程)

  • 分期收款销售的基本业务处理
  • 消费税可以在企业抵扣吗
  • 航空电子客票行程单在哪里打印
  • 进项票丢了,假如税不抵了,怎么做账
  • 赞助费账务处理
  • 个体工商户增值税申报操作流程
  • 工程结算会计科目及账务处理
  • 不动产出租需要缴纳哪些税
  • 预借差旅费凭证填写
  • 企业用现金购进存货是单选题
  • 应付职工薪酬包括个税吗
  • 土地增值税哪些可以加计扣除
  • 抄税和上报汇总一样吗
  • 个人开具建筑服务发票
  • 无偿赠送要交税吗
  • 新公司注册后先开户还是先税务登记
  • 会计准则规定
  • 长期待摊费用的内容和特征
  • 其他公司垫付货款合法吗
  • 华为p60pro上市时间是几月
  • 最新w10系统专业版
  • 如何弥补以前年假的问题
  • 房地产公司股权收购
  • 空调移机人工费多少钱
  • 坏账准备的相关账务处理
  • 应收账款怎么做会计分录
  • 房屋赠与双方办理流程
  • PHP:imagefilledarc()的用法_GD库图像处理函数
  • php 获取文件类型
  • Win11 Build 23435 预览版今日发布: 文件管理器引入图库功能
  • php PATH_SEPARATOR判断当前服务器系统类型实例
  • 所得税费用要结转损益吗
  • 代收代缴水费可以加多少损耗
  • 土地给人家种了几十年还能要回来吗
  • mysql数据库命名 可以用-吗
  • 劳务报酬的增值税起征点
  • 个体户一年能开多少票不用交税
  • 转让无形资产或其他资产
  • 营业税改增值税有什么好处
  • 跨月冲红的发票怎么做会计分录
  • 捐赠 赞助 区别
  • 广告收入计入哪个科目
  • 增值税发票当月能红冲吗
  • 税控盘费用进什么科目
  • 小规模纳税人免税政策
  • 按揭贷款汽车会被抵押吗
  • 年底计提利息会计分录
  • 安装sql server 2008硬件要求
  • mysql建唯一索引
  • 隐藏在大山深处的罪恶
  • mysql mac启动
  • windows cortana打开
  • 预装win8的电脑
  • upromise0.exe - upromise0进程是什么文件
  • 深入了解XP中“最后一次正确配置”功能
  • windows10mode
  • win8.1内存占用过高
  • CentOS 6.x 到 CentOS 7 的升级过程
  • centos中netspeeder网络加速/优化器的安装方法
  • linux指令系统
  • 如何在win7上打开win10软件
  • css spirit
  • 我的第二个姐姐用英语怎么说
  • html上拉加载更多
  • nodejs 模块
  • Unity3D游戏开发培训课程大纲
  • js代码生成
  • js创建对象的三种方式
  • jquery中的动画方法有哪些
  • javascript面向对象编程指南第三版
  • 如何搭建python项目架构
  • jquery实现图片横向移动
  • jquery基本知识
  • 山东省地税局电话号码
  • 公民海外收入纳税
  • 个人租车收入如何缴纳个人所得税
  • 国家税务总局发票下载
  • 银行理财收入如何记账
  • 没有代理记账资格的公司能代理记账吗
  • 房租是不是先交
  • 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