【yolov8和yolov5】用命令快速着手训练

文章目录

1.yolov8

1.1.创建conda环境

bash 复制代码
conda create -n 环境名 python=3.9
bash 复制代码
conda create -n yololv8 python=3.11

其他常用conda命令:

bash 复制代码
# 克隆环境
conda create -n B --clone A  (B代表新环境名,A原环境名)
# 升级python版本
conda install  python=3.10.9
#移除conda环境
conda remove -n 环境名 --all
# 配置国内源下载
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
pip config set global.index-url http://mirrors.aliyun.com/pypi/simple/ && pip config set install.trusted-host mirrors.aliyun.com

1.2.下载代码和环境

bash 复制代码
pip install ultralytics

1.3.YOLOv8训练、自测和预测的代码及解释

以下是提供的代码的解释:

1.3.1. YOLOv8 训练代码:

python 复制代码
yolo train data=./dataset_Attention/data.yaml model=yolov8s.pt epochs=100 device=0,1,2,3,4,5,6,7 imgsz=640 batch=256
  • yolo: YOLOv8的命令行工具。
  • train: 指定进行训练操作。
  • data=./dataset_Attention/data.yaml: 指定包含数据集信息的YAML文件的路径,其中包括数据集的配置和类别信息。
  • model=yolov8s.pt: 指定初始模型的路径或者使用预训练模型。
  • epochs=100: 指定训练的轮数,这里设置为100轮。
  • device=0,1,2,3,4,5,6,7: 指定使用的GPU设备编号。
  • imgsz=640: 设置输入图像的大小为640x640像素。
  • batch=256: 设置训练时的批处理大小为256。

1.3.2.yolov8 自测代码:

python 复制代码
yolo val data=./dataset_Attention/data.yaml model=runs/detect/train7/weights/best.pt device=0,1,2,3,4,5,6,7 imgsz=640 batch=256 conf=0.25
  • yolo: YOLOv8的命令行工具。
  • val: 指定进行验证/测试操作。
  • data=./dataset_Attention/data.yaml: 同样,指定包含数据集信息的YAML文件的路径。
  • model=runs/detect/train/weights/best.pt: 指定用于测试的模型的路径。
  • device=0,1,2,3,4,5,6,7: 指定使用的GPU设备编号。
  • imgsz=640: 设置输入图像的大小为640x640像素。
  • batch=256: 设置测试时的批处理大小为256。
  • conf=0.25: 设置目标检测置信度的阈值为0.25,即只显示置信度大于等于0.25的检测结果。

1.3.3.yolov8 推理代码:

python 复制代码
yolo val model=runs/detect/train/weights/best.pt data=./dataset_Attention/data.yaml batch=256 imgsz=640 device=0,1,2,3,4,5,6,7
  • model=runs/detect/train/weights/best.pt: 指定用于测试的模型的路径。
  • data=./dataset_Attention/data.yaml: 同样,指定包含数据集信息的YAML文件的路径。
  • device=0,1,2,3,4,5,6,7: 指定使用的GPU设备编号。
  • imgsz=640: 设置输入图像的大小为640x640像素。
  • batch=256: 设置测试时的批处理大小为256。

请确保你的目录结构、数据集配置和模型路径等信息都正确,以确保训练和测试的顺利进行。

1.3.4.注意:

复制代码
参数必须以 arg=val 对,用等号分割 = 符号,每对之间用空格分隔。不要使用 -- 参数 , 参数之间。

yolo predict model=yolov8n.pt imgsz=640 conf=0.25 ✅
yolo predict model yolov8n.pt imgsz 640 conf 0.25 ❌(缺失 =)
yolo predict model=yolov8n.pt, imgsz=640, conf=0.25 ❌(不要使用 ,)
yolo predict --model yolov8n.pt --imgsz 640 --conf 0.25 ❌(不要使用 --)

2.yolov5

2.1.创建conda环境

bash 复制代码
conda create -n yololv5 python=3.9

通过克隆版本库和建立环境为启动做好准备。这将确保所有必要的要求都已安装。检查 Python>=3.8.0和PyTorch>=1.8准备起飞。

2.2.下载代码和环境

bash 复制代码
# 下载代码
git clone https://github.com/ultralytics/yolov5  # clone repository
#安装环境
cd yolov5
pip install -r requirements.txt  # install dependencies

2.3.YOLOv5训练、自测和预测的代码及解释

2.3.1.YOLOv5训练代码

bash 复制代码
python train.py --data coco.yaml --epochs 300 --weights '' --cfg yolov5n.yaml  --batch-size 128
  • 可以根据train.py里面对应的参数修改训练参数。
  • 需要的话可以修改该文件yolov5/data/hyps/hyp.scratch-low.yaml的超参数进行训练。

2.3.2.YOLOv5验证代码

python 复制代码
python val.py --data ../data.yaml --weights='./runs/train/exp/weights/best.pt'  --imgsz=640 --conf=0.5 --iou=0.6 --batch-size=16 --device=0

同理可以参照val.py文件中的参数,修改相关参数。

相关推荐
锅挤2 分钟前
深度学习5(深层神经网络 + 参数和超参数)
人工智能·深度学习·神经网络
一支烟一朵花6 分钟前
630,百度文心大模型4.5系列开源!真香
人工智能·百度·开源·文心一言
网安INF8 分钟前
深层神经网络:原理与传播机制详解
人工智能·深度学习·神经网络·机器学习
喜欢吃豆12 分钟前
目前最火的agent方向-A2A快速实战构建(二): AutoGen模型集成指南:从OpenAI到本地部署的全场景LLM解决方案
后端·python·深度学习·flask·大模型
好开心啊没烦恼35 分钟前
Python 数据分析:DataFrame,生成,用字典创建 DataFrame ,键值对数量不一样怎么办?
开发语言·python·数据挖掘·数据分析
AIbase202441 分钟前
国内MCP服务平台推荐!aibase.cn上线MCP服务器集合平台
运维·服务器·人工智能
周树皮不皮1 小时前
20250704【翻转&二叉树】|Leetcodehot100之226【pass】&今天计划
python
魔芋红茶1 小时前
spring-initializer
python·学习·spring
喜欢吃豆1 小时前
快速手搓一个MCP服务指南(九): FastMCP 服务器组合技术:构建模块化AI应用的终极方案
服务器·人工智能·python·深度学习·大模型·github·fastmcp
星融元asterfusion1 小时前
基于路径质量的AI负载均衡异常路径检测与恢复策略
人工智能·负载均衡·异常路径