最近几天看到论坛里很多人发yolo相关的模块，自己也闲着没事干，正好学了一下，记录一下安装训练过程

下面的都是yolov8的教程，v5的还没试

安装

推荐用Anaconda来安装yolo
构建一个虚拟环境，python用最新的也没事，

训练

标注

标注软件有很多，目前用的是labelImg，但python版本太高会闪退，推荐用3.9的python
构建一个虚拟环境即可

1
pip install labelimg

输入labelimg启动

训练

标注完成后，按照下面的路径放置图片和标签

1
2
3
4
5
6
images
 - train   #训练集图片
 - val     #验证集图片
labels
 - train   #训练集标签
 - val     #验证集标签

xxx.yaml 文件安装下面的写

1
2
3
4
5
6
7
8
9
# xxx.yaml 文件

path: D:\Desktop\test # dataset 路径，里面有images和labels文件夹
train: D:\Desktop\test\images\train
val: D:\Desktop\test\images\val

# 标签
names:
  0: qk

现在就可以训练了，但建议先修改一些配置文件
打开%USERPROFILE%\AppData\Roaming\Ultralytics，修改settings.json里的datasets_dir,weights_dir,runs_dir改成你的，不然训练结果会默认保存在C盘

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
{
  "settings_version": "0.0.6",
  "datasets_dir": "xxx\\datasets",
  "weights_dir": "xxx\\weights",
  "runs_dir": "xxx\\runs",
  "uuid": "0b58cb50a0696fd5120727da25cac90347e58baf5aaf1579a9cdb1ab2a8b031a",
  "sync": true,
  "api_key": "",
  "openai_api_key": "",
  "clearml": true,
  "comet": true,
  "dvc": true,
  "hub": true,
  "mlflow": true,
  "neptune": true,
  "raytune": true,
  "tensorboard": true,
  "wandb": true,
  "vscode_msg": true
}

现在就可以训练

1
yolo detect train data=datasets/test/test.yaml model=yolov8n.pt epochs=40 imgsz=640

训练完成后会在保存的路径里生成best.pt的模型文件，可以转换成onnx的模型文件，命令如下

1
yolo export model=best.pt format=onnx imgsz=640