在计算机视觉领域，目标检测技术始终占据着核心地位。YOLOv8在继承前代优势的基础上，进一步优化性能，在学术和工业上都受到强烈关注。YOLO系列模型训练和测试都有比较套路的流程，因此这里写一个博客作为备忘录，把关键步骤记录下来，希望也能帮助到大家快速上手 YOLOv8 。

文章目录

前言

Yolov8是Ultralytics公司推出的Yolo系列目标检测算法，可以用于图像分类、物体检测和实例分割等任务。YOLOv8有很多种下载和配置方法，这里提供两种方法。

  • 官网下载：YOLOv8-github
  • 使用pip命令下载：pip install ultralytics

推荐在虚拟环境中使用pip命令下载，这个下面会介绍。ultralytics 是一个专注于计算机视觉任务的 Python 库，提供了从模型加载、训练到导出的完整功能。无论是研究还是生产环境，ultralytics 都能满足需求。

一、环境配置

电脑系统：windows
pytorch版本：torch1.9.0+cu102，torchvision0.10.0+cu102，python 3.9（torch1.9和python3.9可兼容目前绝大多数yolo模型）
工具：Anaconda

1. Anaconda安装

Anaconda 主要用于数据科学、机器学习和科学计算。它提供了一个方便的环境管理工具Anaconda Prompt，使用户可以轻松地创建、管理和切换不同的 Python 环境。本文使用Anaconda Prompt进行yolov8的训练、测试和导出。
Anaconda清华镜像源下载
最新版最详细Anaconda新手安装+配置+环境创建教程
我下载的是“Anaconda3-2023.03-1-Windows-x86_64”
在这里插入图片描述

2. 创建虚拟环境

做新项目建议新建一个虚拟环境，尤其是yolo这种比较大的项目，可避免了各种包的版本的冲突。打开Anaconda Prompt，建立一个名为yolov8虚拟环境

conda create -n yolov8 python=3.9 -y

建立后激活所建立的虚拟环境

conda activate yolov8

3. 在虚拟环境中安装必要的库（torch、requirements.txt）

在激活虚拟环境的条件下，安装最重要的torch库。安装的pytorch版本是1.9.0，torchvision版本是0.10.0，python是3.9，其他的依赖库按照requirements.txt文件安装即可。不想查torch版本的话可直接复制下面命令即可

pip install torch==1.9.0+cu102 torchvision==0.10.0+cu102 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

然后安装requirements.txt中其他依赖项，requirements.txt内容如下：（新建一个txt文件，命名为requirements.txt，把下面内容复制过去）

# Ultralytics requirements
# Usage: pip install -r requirements.txt
# Base ----------------------------------------
matplotlib>=3.2.2
numpy>=1.18.5
opencv-python>=4.6.0
Pillow>=7.1.2
PyYAML>=5.3.1
requests>=2.23.0
scipy>=1.4.1
#torch>=1.7.0
#torchvision>=0.8.1
tqdm>=4.64.0
# Logging -------------------------------------
tensorboard>=2.4.1
# clearml
# comet
# Plotting ------------------------------------
pandas>=1.1.4
seaborn>=0.11.0
# Export --------------------------------------
# coremltools>=6.0  # CoreML export
# onnx>=1.12.0  # ONNX export
# onnxsim>=0.4.1  # ONNX simplifier
# nvidia-pyindex  # TensorRT export
# nvidia-tensorrt  # TensorRT export
# scikit-learn==0.19.2  # CoreML quantization
# tensorflow>=2.4.1  # TF exports (-cpu, -aarch64, -macos)
# tflite-support
# tensorflowjs>=3.9.0  # TF.js export
# openvino-dev>=2022.3  # OpenVINO export

# Extras --------------------------------------
psutil  # system utilization
thop>=0.1.1  # FLOPs computation
# ipython  # interactive notebook
# albumentations>=1.0.3
# pycocotools>=2.0.6  # COCO mAP
# roboflow
certifi>=2022.12.7 # not directly required, pinned by Snyk to avoid a vulnerability

在虚拟环境下使用cd命令进入到requirements.txt所在位置，直接用以下命令安装就行，这里我是把requirements.txt放在桌面上了

pip install -r requirements.txt

在这里插入图片描述
注意，在下载依赖项时numpy默认版本超过了2.0，可能导致后面运行不兼容。因此在安装好requirements.txt中的依赖项后，手动对numpy降级，比如安装版本在1.15.0~1.26.0。以numpy1.23.0为例。

pip install numpy==1.23.0

4. 安装ultralytics库

ultralytics 库是开源的目标检测框架，支持 YOLOv5、v8 、v9、v10等最新版本的 YOLO 模型。安装也相当简单，在虚拟环境中直接pip，这里我安装的是ultralytics 8.3.105。

pip install ultralytics==8.3.105

最后安装的库如下所示：
在这里插入图片描述

注意，以上所有库的安装都需在虚拟环境下进行，所安装的库都在以下路径中

D:\Anaconda\envs\yolov8\Lib\site-packages

到这里所有库的安装工作就完成了。接下来就可以准备数据集了。

二、整理自己的数据集

这里我在免费网站https://www.cvmart.net/dataSets下载的公开数据集，里面有大量可用于目标检测的图片。我下载的是fire_smoke数据集，里面大约100张图片，链接https://www.cvmart.net/dataSets/detail/314。你也可以用自己的数据集。
在这里插入图片描述

1. 数据标注工具

使用标注工具给图片标注，生成可用于训练的标签形式。如labelimg、labelme，make sense等。
推荐一款非常好用的在线数据标注工具make sense。可用于小型数据集标注非常方便，注意导出标签时选择yolo格式。下面是make sense网站链接。

在这里插入图片描述

2. 数据集格式

创建一个名为mydata的文件夹，里面有images、labels两个文件夹：
images: 包含train和val两个文件夹，每个文件夹下存放图片（.jpg）
labels：包含train和val两个文件夹，每个文件夹下存放标注信息，yolo格式（.txt）
在这里插入图片描述

3. 建立mydata.yaml

新建一个txt文件，把名字改为mydata.yaml（注意后缀.txt要改成.yaml），再把下面内容复制过去，只需要修改自己的数据集路径和类别就行

  • mydata.yaml包含需要训练的图片的根目录path，以及train和val的具体位置。并修改类别数“nc”和类别名“names”。如果是在自己电脑上训练，建议使用绝对路径（我这里是把mydata文件夹放在桌面）

mydata.yaml内容如下（上面注释部分不用管）：

# Ultralytics YOLO 🚀, GPL-3.0 license
# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../datasets/coco  # dataset root dir
train: C:\Users\huangda\Desktop\mydata\images\train  # train images (relative to 'path') 118287 images
val: C:\Users\huangda\Desktop\mydata\images\val  # val images (relative to 'path') 5000 images
test: # 20288 of 40670 images, submit to https://competitions.codalab.org/competitions/20794

# Classes
nc: 2
names:
  0: fire
  1: smoke

mydata.yaml整理好放到“…\Anaconda\envs\yolov8\Lib\site-packages\ultralytics\cfg\datasets”文件夹里。这个文件夹其实就是上面安装的ultralytics里的文件夹，里面全是.yaml文件。（一定将mydata.yaml放在此文件夹下，这样就不用考虑路径问题）

  • D:\Anaconda\envs\yolov8\Lib\site-packages\ultralytics\cfg\datasets

在这里插入图片描述
这样数据部分也准备好了，下面就可以开始训练了。

三、YOLOV8训练、测试和导出

yolov8有两种方式可进行训练、测试：

  • 在Anaconda Prompt中使用命令提示符（个人觉得这种方式更好用些）
  • 在Pycharm中使用.py脚本的形式训练

本文介绍使用Anaconda Prompt命令行进行训练。（注意训练前一定先激活虚拟环境），后面有空再写使用Pycharm训练的流程。

1. YOLO训练

首先先激活虚拟环境。YOLOv8训练后的结果会保存在“path\runs\detect\trainX”形式的文件夹下(这里path是基路径)。
我建议新建一个result文件夹，把监测结果都放在该文件夹下。这里我在桌面新建一个result文件夹，然后使用“cd”命令进入到该文件夹中（这样该文件夹就成为基路径path，后续相对路径的基路径都是该文件夹）

在这里插入图片描述
通过命令直接进行训练，在其中指定参数，命令如下:

yolo task=detect mode=train model=yolov8n.pt data=mydata.yaml batch=1 epochs=50 imgsz=640 workers=0 device=0

具体参数可参考官网中的详细说明
https://docs.ultralytics.com/zh/modes/train/#resuming-interrupted-trainings
下面只就其关键的参数做简要说明：

  • task: YOLO模型的任务选择，选择你是要进行检测、分类等操作；可选[‘detect’, ‘segment’, ‘classify’, ‘init’]
  • mode: YOLO模式的选择，选择要进行训练、推理、输出、验证等操作；可选[‘train’, ‘val’, ‘predict’]
  • model：传入的model.yaml文件或者model.pt文件，用于构建网络和初始化，不同点在于只传入yaml文件的话参数会随机初始化，传入.pt会下载预训练权重并加载。默认None；可选[yolov8s.yaml、yolov8m.yaml、yolov8l.yaml、yolov8x.yaml]
  • data: 训练数据集的配置yaml文件，默认None;
  • batch: 训练批大小，默认16；
  • epochs：训练轮次，默认100
  • imgsz: 训练图片大小，默认640;
  • device: 指定用于训练的计算设备：单个GPU (device=0）、多个 GPU (device=0,1）、CPU (device=cpu) 或MPS for Apple silicon (device=mps).
  • workers: 载入数据的线程数。

注意：

  • 使用model=yolov8n.pt时，程序会检索路径中是否有yolov8n.pt，若没有则会自动下载（下载速度贼慢）。这里我提前下载好yolov8n.pt，放到result文件下了，这样程序就不用下载了。
  • batch不要太大，否则显存会爆满无法训练；
  • windows用户要把workers=0，我原来没设置就导致很多报错。
  • 命令中model=yolov8n.pt（也可以放yolov8n.pt的绝对路径） data=mydata.yaml（也可以放mydata.yaml的绝对路径）

训练过程首先会显示你所用的训练的硬件设备信息，接着是你的参数配置模型结构信息，并告知你训练的结果会保存在runs\detect\trainXX中（这里是相对路径，若初始没有会新建）
在这里插入图片描述
在这里插入图片描述

1.1 训练结果

经过50轮训练，训练结果保存在result\runs\detect\train中。weights文件下是训练权重last.pt和best.pt。
在这里插入图片描述

在这里插入图片描述

2. YOLO测试

训练好模型之后，会生成一个模型文件，保存在所设置的目录下，之后就可以调用该模型进行推理了，我们也可以用官方的预训练权重来进行推理。将训练得到的best.pt复制到result文件夹下，这样就可以不用输入绝对路径了。
推理的方式和训练一样，输入以下命令

yolo task=detect mode=predict model=best.pt source=C:\Users\huangda\Desktop\mydata\images\val device=0

注意

  • model=best.pt，这里也可以用best.pt的绝对路径；
  • source：可以是文件夹或具体的图片；（这里我用的是文件夹的绝对路径）
    在这里插入图片描述

检测的结果保存在result\runs\detect\predict中，下面是一张检测结果，效果还算可以，如果训练次数再多一点效果估计会更好。

3. YOLO模型输出

当我们进行部署的时候可以进行文件导出，然后在进行部署。YOLOv8支持的输出格式有如下

  • ONNX（Open Neural Network Exchange）：ONNX是一个开放的深度学习模型表示和转换的标准。它允许在不同的深度学习框架之间共享模型，并支持跨平台部署。导出为 ONNX 格式的模型可以在支持ONNX 的推理引擎中进行部署和推理。
  • TensorFlow SavedModel：TensorFlow SavedModel 是 TensorFlow 框架的标准模型保存格式。它包含了模型的网络结构和参数，可以方便地在 TensorFlow 的推理环境中加载和使用。
  • PyTorch JIT（Just-In-Time）：PyTorch JIT 是 PyTorch 的即时编译器，可以将 PyTorch 模型导出为优化的 Torch 脚本或 Torch 脚本模型。这种格式可以在没有 PyTorch 环境的情况下进行推理，并且具有更高的性能。
  • Caffe Model：Caffe 是一个流行的深度学习框架，它使用自己的模型表示格式。导出为 Caffe 模型的文件可以在 Caffe 框架中进行部署和推理。
  • TFLite（TensorFlow Lite）：TFLite 是 TensorFlow 的移动和嵌入式设备推理框架，支持在资源受限的设备上进行高效推理。模型可以导出为 TFLite 格式，以便在移动设备或嵌入式系统中进行部署。
  • Core ML（Core Machine Learning）：Core ML 是苹果的机器学习框架，用于在 iOS 和 macOS 上进行推理。模型可以导出为 Core ML 格式，以便在苹果设备上进行部署。

这里导出为onnx格式，命令行命令如下:

yolo task=detect mode=export model=best.pt format=onnx

这里说没有onnx、onnxslim、onnxruntime库，且要求onnx>=1.12.0。
在这里插入图片描述
直接在虚拟环境中安装所需的库就行

pip install onnx==1.13.0
pip install  onnxslim
pip install  onnxruntime

安装好后在执行导出命令就可以了，导出过程如下
在这里插入图片描述

结果保存在result文件夹下，名称为“best.onnx”。
在这里插入图片描述

四、可能出现的问题总结

最好按照上述的部署步骤。如果和上面配置的环境不一样（如库的版本，cuda版本，虚拟环境是否激活，版本问题很重要所以上面一些重要的库都附上了我下载的版本），可能出现的问题及解决方案：

1. 'yolo‘ 不是内部或外部命令，也不是可运行的程序

在进行训练和预测时的命令中，这里的yolo其实是安装ultralytics库时安装的yolo.exe程序。如果pip install ultralytics未在对应的虚拟环境下就会出现以上问题。解决方法就是把在对应的虚拟环境下安装ultralytics库，或者把yolo.exe复制到对应的虚拟环境中。

yolo task=detect mode=train model=yolov8n.pt data=mydata.yaml batch=1 epochs=50 imgsz=640 workers=0 device=0

正常在虚拟环境中安装后位置在…\Scripts中
在这里插入图片描述

2. 使用GPU训练yolo损失值为nan的现象

我的显卡是GTX1650，最初安装cuda11.3训练时损失值全是nan。
原因：这是因为16系显卡与cuda 11.3版本的不兼容导致的，不知道11.x别的版本会不会出现这样的问题
解决方法：
卸载原先的cuda，安装低版本的，我是安装cuda10.2 后就没再出现这个问题

3. OSError: [WinError 1455] 页面文件太小，无法完成操作

解决方法：减少batch或者图片尺寸imgsz

4. 解决导入torchvision出错的问题

原因：（1） torchvision与torch不匹配（从https://pytorch.org/get-started/previous-versions/上查对应版本就行了）
（2） torchvision与cuda版本不匹配，torchvision版本应不超过cuda版本（10.2），否则会导入错误
UserWarning: Failed to load image Python extension: warn(f“Failed to load image Python extension:-CSDN博客

实际中运行时可能还会出现其他奇奇怪怪的问题，出现问题就去解决，一般网上都有相应的解决方案。这样也能锻炼解决问题的能力。

# pytorch # 深度学习 # 人工智能
Logo
魔乐社区

魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。

更多推荐

cover

CLONE——面向长时任务的闭环VR全身遥操：其MoE架构可实现“蹲着走”，且LiDAR里程计解决位置偏差，更增强AMASS数据集

avatar 魔乐社区

基于C#winform使用openvino部署PP-OCRv5的onnx模型paddleocrv5模型部署

本教程将指导您如何使用OpenVINO在C# WinForm项目中部署PP-OCRv5模型。

avatar 魔乐社区
cover

AISHELL-5 全球首套智能驾舱中文语音交互数据集开源

avatar 魔乐社区