WIKTOK-YOLOv8单项目训练代码

一、目录配置

#WTYOLO训练模型
WTyolov8/  # YOLO 项目的根目录
├── datasets/  # 数据集相关文件
│   ├── images/  # 图像文件（JPG）
│   │          ├── train/  # 训练集图像
│   │          ├── val/   # 验证集图像
│   │          └── test/  # 测试集图像
│   ├── labels/  # 标签文件（txt格式）
│   │           ├── train/  # 训练集标签
│   │           ├── val/   # 验证集标签
│   │           └── test/  # 测试集标签
│   ├── dataset.yaml  # 自定义数据集配置
│   │
│   └── weights/  # 预训练权重文件
│       └── yolov8n.pt  # 在自定义数据集上训练的权重
│
├── models/  # 模型定义和配置以及输出训练模型目录
│   ├── yolovX.py  # 其他模型（使用）
│   ├── trained_model_v1.py     # 已训练模型
│   └── trained_model_v2.py     # 已训练模型2
│
├── utils/  # 工具函数（可选）
│   ├── datasets.py  # 数据集加载和处理
│   ├── general.py   # 通用工具函数（如 NMS、非极大值抑制）
│   ├── losses.py    # 损失函数
│   ├── metrics.py   # 评估指标（如 mAP）
│   ├── plots.py     # 可视化工具
│   └── torch_utils.py  # PyTorch 相关工具
│
├── runs/  # 训练和推理结果（自动生成）
│   ├── train/  # 训练结果
│   │   ├── exp0/  # 第一次实验
│   │   ├── exp1/  # 第二次实验
│   │   └── ...
│   └── detect/  # 推理结果
│       ├── exp0/  # 第一次推理
│       ├── exp1 / # 第二次推理
│       └── ...
│
├── requirements.txt  # 项目依赖
├── README.md  # 项目说明
├── train.py  # 训练脚本
├── val.py    # 验证脚本
├── detect.py # 推理脚本
├── export.py # 导出模型脚本（如 ONNX、TensorRT）
├── more # 更多自定义脚本或目录

二、主要代码文件

2.1 requirements.txt   项目依赖文件

实际上，YOLO的ultralytics库已经集成了所需要的各种库，在实际部署训练时，只需要配置好环境，在终端直接输入命令“pip install ultralytics”即可完成所有库的安装。当然也可以分块安装，如下文件所示，在pip之前先配置镜像加速，见