Yolov8训练自己的数据集合（最新实验数据）

一、安装环境

笔者环境如下：

win10
anaconda
python3.8
1
2
3

二、clone代码

地址如下，可以直接使用git命令进行clone,也可以直接去网站下载

git clone https://github.com/ultralytics/ultralytics
1

代码目录如下所示

三、安装必要的库

其实这里比较重要的是两步，第一步是安装requirement.txt中的库，然后再安装ultralytics。那么下面就是安装库的过程了

安装requirement.txt

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
1

安装ultralytics

 pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple/
1

note:这个版本其实是基于torch写的，所以我们是需要安装深度学校框架库的，其实在requirement.txt的安装中就已经安装了torch,但是默认的是cpu版本的，如果你电脑有gpu,还是建议根据gpu的版本来配置对应的环境，然后安装gpu版本的torch,这样的话训练的时候速度会快一些，如果没有的话对于下面的训练也是没有关系的，可以给batch以及epoch设置小一些，也是可以执行的

四、配置自定的数据集

数据集是我提前准备好的，如果需要自定的话，是需要使用 labelImge 标注工具进行标注的，具体的可以参考下篇的这篇博文：

https://blog.csdn.net/public669/article/details/97610829?spm=1001.2014.3001.5502

准备好数据之后呢，就需要按照yolov8的格式对数据进行装载了

笔者这里是在ultralytics文件下新建了一个dataSets

然后在dataSets下新建images、labels、test、val文件夹

具体如下

images文件下放的是图片数据，具体如下，笔者这里使用的是细胞的数据集

labels文件下存放的是对应图片数据的标签信息

下面的就是就是数据的详细的信息了，这一步是需要使用代码进行装换的，具体的请参考https://blog.csdn.net/public669/article/details/98020800?spm=1001.2014.3001.5502

test文件下的格式也是一样的，需要有两个文件夹，分别是images和lables,同之前的一样，images中放的是用户测试的图片数据，labels下面放的是对应的图片label信息

val文件下的格式同上

数据装载完毕以后，就需要进行对应的yaml文件配置了，需要新建两个yaml文件，分别如下：rbc.yaml和yolov8n.yaml

rbc.yaml文件如下：

train: E:/Projects/ultralytics-main/ultralytics/dataSets/data/images
val: E:/Projects/ultralytics-main/ultralytics/dataSets/data/val/images
test: E:/Projects/ultralytics-main/ultralytics/dataSets/data/test/images

# number of classes
nc: 1

# class names
names: ['RBC']
1
2
3
4
5
6
7
8
9

yolov8n.yaml文件如下：

其他的地方都不需要动，只需要给nc修改为1就可以了

具体文件如下：

# Ultralytics YOLO 
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/article/detail/44754