基于 Autodl 的 YOLOv8 的使用教程

目录

 

一、使用Autodl租服务器

二、YOLOv8的环境搭建与划分数据集

三、模型train

四、模型detect与val

---

一、使用Autodl租服务器

1.1 选择主机

 1.2 选择基础镜像，然后点击“立即创建”

 1.3 点击关机，选择无卡模式（这样省钱）

1.4 点击jupyterlab

 1.5 上传数据集

        下载FileZilla软件，进行数据集的上传。

        步骤：点击左上角文件→站点管理器→填写主机、端口、密码→点击连接

        本地站点选择要上传的文件夹，远程站点选择被上传到服务器的位置

        数据上传完成后如下图

      

二、YOLOv8的环境搭建与划分数据集

2.1 关闭无卡模式，进入GPU模式，在启动页中点击终端输入python setup.py install。在autodl-tmp/dataset下，在终端输入python xml2txt.py

         这样就跑完了，在输入python split_data.py，遇到错误如下图

        在终端里输入pip install scikit-learn，就不会报错了。我们再重复上一步的python split_data.py。在路径autodl-tmp/dataset/下，就生成images与labels文件夹，images里生成train、val和test文件，各自里面包含图片；labels里生成train、val和test文件，各自里面包txt文件。到这里数据集的划分就结束了。

三、模型train

3.1点开data.yaml

train：填写训练集的路径；

val：填写验证集的路径；

test：填写测试集的路径；

nc：被检测物体的类别，这里用的VOC2007数据集中trainval部分，所以nc=20；

names：被检测物体的类别名称。

 3.2点开default.yaml（里面摆放了一些参数）

路径在autodl-tmp/ultralytics/yolo/cfg/default.yaml

task：我们用来检测，所以用默认的detect；

model：是选择是train，还是val，或者其他。这里是训练模型，所以用默认的train；

model：放权重或者网络结构的yaml文件；

data：就是存放数据集的文件夹，这里是上面提到的data.yaml文件。

在终端输入yolo cfg=ultralytics/yolo/cfg/default.yaml进行模型训练

 遇到了报错：

 版本不符合他的要求，换个版本就行了。我这里采用的先卸载，再指定版本的库下载。

第一个报错：
pip uninstall tqdm
pip install tqdm
第二个报错：
pip uninst urllib3
pip install urllib3==1.26.11

重新在终端输入yolo cfg=ultralytics/yolo/cfg/default.yaml进行训练，就不报错了。于是就开始下载权重文件了。

 现在就正式训练了

四、模型detect与val

只需要把default.yaml中mode进行修改，在终端依旧输入yolo cfg=ultralytics/yolo/cfg/default.yaml进行detect与val。