2.yolov8模型

下载链接，我下了yolov8s.py，放在该路径E:\nfshare\yolov8\ultralytics\weights

ps：model文件类型可以是yaml，也可以是pt

3.修改yolov8.yaml文件

E:\nfshare\yolov8\ultralytics\cfg\models\v8\yolov8.yaml，就改类别数

nc: 9  # number of classes

4.新建data文件

E:\nfshare\yolov8\ultralytics\cfg\datasets\hr.yaml，这些和yolov5一样

5.修改default.yaml文件

E:\nfshare\yolov8\ultralytics\cfg\default.yaml ，就动了以下几个参数

model: weights/yolov8s.pt  # (str, optional) path to model file, i.e. yolov8n.pt, yolov8n.yaml
data:  cfg/datasets/hr.yaml # (str, optional) path to data file, i.e. coco128.yaml
epochs: 1  # (int) number of epochs to train for
amp: False
batch: 8

运行代码 yolo cfg=cfg/default.yaml

6.训练yolov8模型（train）

1.新建.py文件训练模型

在路径下新建python脚本文件\yolov8\ultralytics\demo.py，就像运行yolov5的模型一样，运行该脚本文件。

下面这些参数要怎么设置我还没懂。

#import sys
#sys.path.append("/home/yyt/nfshare/yolov8/")
from ultralytics import YOLO

# Create a new YOLO model from scratch
#model = YOLO('/home/yyt/nfshare/yolov8/ultralytics/cfg/models/v8/yolov8.yaml')

# Load a pretrained YOLO model (recommended for training)
model = YOLO('/home/yyt/nfshare/yolov8/ultralytics/weights/yolov8s.pt')

# Train the model using the 'coco128.yaml' dataset for 3 epochs
results = model.train(data='/home/yyt/nfshare/yolov8/ultralytics/cfg/datasets/hr.yaml',amp=False,epochs=2,batch=8,val=True)

# Evaluate the model's performance on the validation set
#results = model.val(data='/home/yyt/nfshare/yolov8/ultralytics/cfg/datasets/hr.yaml',amp=False,epochs=2,batch=8)

success = model.export(format='onnx')

2.运行default.yaml文件训练模型

直接输入yolo cfg=/文件的路径/default.yaml

3.命令运行直接输：

yolo task=detect mode=train model=/yolov8/ultralytics/cfg/runs/detect/train6//weights/last.pt（模型位置，模型可以是.yaml形式或者.pt) data=/yolov8/ultralytics/cfg/datasets/hr.yaml(数据集.yaml文件位置） epochs=150 save=True resume=True （后面的都是参数，具体写什么看default.yaml里面你需要改什么）

7.测试训练后的模型（test）

1.运行default.yaml

修改default.yaml,运行代码和train一样

修改mode: val，model：/runs/detect/train6/weights/last.pt ,split: test

2.代码运行

这个方法能显示test每张图片检测的结果

yolo predict model= '/home/yyt/nfshare/yolov8/ultralytics/cfg/runs/detect/train6/weights/last.pt'（模型路径） source= '/home/yyt/nfshare/zijianshujuji/image/test'（图片文件路径）

问题

1.box_loss   cls_loss   dfl_loss全显示为nan，map全为0

显卡问题，batch值太大

解决：在default.yaml中，改小batch值 ，amp改为False

2.val的box_loss、cls_loss、dfl_loss为0，train不为0

排查问题：

1.validator.py文件

为了解决问题1 result全显示为0，我删去了validator中的如下代码，恢复看看能不能跑通val

 self.args.half = self.device.type != 'cpu'  # force FP16 val during training

失败

2.amp

amp改为ture，好的这个不能改，改了又都是nan

不是我瞎改的问题

尝试：

1.在trainer.py里面搜索half关键字，把所有有.half()变为.float()

            #'model': deepcopy(de_parallel(self.model)).half(),
            'model': deepcopy(de_parallel(self.model)).float(),
            #'ema': deepcopy(self.ema.ema).half(),
            'ema': deepcopy(self.ema.ema).float(),

无效果

2.继续修改val.py,修改batch[‘img’].half()改为batch[‘img’].float()

#batch['img'] = (batch['img'].half() if self.args.half else batch['img'].float()) / 255
 batch['img'] = (batch['img'].float()) / 255

3.继续修改validator.py

不行

4.改小batch_size

batch_size=4

不行

解决：更新环境和其他安装包，pip install  -r requirement.txt

3.运行default.yaml，报错 ModuleNotFoundError: No module named ‘ultralytics’

(yolov5) root@xxdell:/home/yyt/nfshare/yolov8/ultralytics# yolo cfg=/home/yyt/nfshare/yolov8/ultralytics/cfg/default.yaml
Traceback (most recent call last):
  File "/home/nephilim/environment/anaconda3/envs/yolov5/bin/yolo", line 5, in <module>
    from ultralytics.cfg import entrypoint
ModuleNotFoundError: No module named 'ultralytics'

**解决方法：**在/home/xx/environment/anaconda3/envs/yolov5/bin/yolo文件中添加路径

sys.path.append("/home/yyt/nfshare/yolov8/")

再次运行，解决

4.训练结果runs文件保存路径改变

原本的训练结果保存在/home/yyt/nfshare/yolov8/runs 里面，即我的共享文件夹和yolov8存在的项目文件了，现在被更改了也不知道是怎么回事，前两次训练结果就没有出现。现在的文件夹路径在虚拟机的环境路径里/home/xx/environment/anaconda3/envs/yolov5/bin/runs/detect

感觉使用的不是yolov8，而是yolov5

(base) yyt@dell:/home/xx/environment/anaconda3/envs/yolov5/bin/runs/detect$ stat train
  File: train
  Size: 4096          Blocks: 8          IO Block: 4096   directory
Device: 824h/2084d    Inode: 16883842    Links: 3
Access: (0755/drwxr-xr-x)  Uid: (    0/    root)   Gid: (    0/    root)
Access: 2023-08-21 15:02:27.587039861 +0800
Modify: 2023-08-21 14:59:15.937472731 +0800
Change: 2023-08-21 14:59:15.937472731 +0800

分析：

这几次运行的都是配置default.yaml，运行python文件，正常显示。
自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）

2296f86381401c05e862fe4e9.png)

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）