YOLOv8自定義數(shù)據(jù)集訓(xùn)練到模型部署推理簡析

引言

YOLOv8已經(jīng)發(fā)布，文本是第一篇全面測試從訓(xùn)練到部署的文章，詳細(xì)介紹每個細(xì)節(jié)。

YOLOv8安裝

如果你只是想使用而不是開發(fā)，強(qiáng)烈推薦通過pip安裝方式獲取YOLOv8包！YOLOv8安裝命令行

pip install ultralytics

測試查詢版本號

import ultralytics
ultralytics.checks()

運行截圖如下：

YOLOv8系列模型速度、精度、參數(shù)統(tǒng)計表

01

推理測試

使用命令行

yolo predict model=yolov8n.pt source=zidane.jpg

運行截圖如下：

注意：D:pythonmy_yolov8_train_demo為作者自建目錄。 第一次運行會自動下載yolov8n.pt模型到該目錄下。

02

導(dǎo)出ONNX格式

使用命令行

yolo mode=export model=yolov8n.pt format=onnx opset=11

運行截圖如下：

自定義數(shù)據(jù)集訓(xùn)練

01

數(shù)據(jù)集制作與格式

這個跟YOLOv5完全一致，請參考我之前的文章

YOLOv5新版本6.x 自定義對象檢測-從訓(xùn)練到部署

記住一定要在

D:pythonmy_yolov8_train_demo

目錄下先創(chuàng)建一個datasets文件夾然后再把之前YOLOv5的自定義數(shù)據(jù)集給copy到

D:pythonmy_yolov8_train_demodatasets

這個目錄下就可以用了

訓(xùn)練執(zhí)行命令行：

yolo task=detect mode=train model=yolov8n.pt epochs=3 batch=1 data=datasets/dm_training/dataset.yaml

就可以直接開啟訓(xùn)練了，截圖如下：

問題與解析

1. OSError: [WinError 1455] 頁面文件太小

執(zhí)行命令行：

python -m pip install pefile

保存為fixNvPe.py， 運行命令行：

python fixNvPe.py --input C:UsersAdministratorAppDataLocalProgramsPythonPython38Libsite-packagestorchlib*.dll

即可解決。

2.從PyCharm IDE運行嵌入死循環(huán) 從命令行運行才是正確選擇

3.導(dǎo)出的ONNX格式模型無法加載 加上參數(shù)opset=11， 必須的！

總結(jié)

YOLOv8的數(shù)據(jù)集制作完全跟YOLOv5一致，模型部署推理跟YOLOv5及其相似，如果熟悉掌握YOLOv5的訓(xùn)練與部署，看到此文就可以自動會了YOLOv8的訓(xùn)練與推理了。

審核編輯：劉清