1.网址收集
Yolov8官方网站:Train - Ultralytics YOLO Docs
github
非官方介绍教程网站:
【YOLOv8系列】(二)YOLOv8环境配置,手把手嘴对嘴保姆教学-CSDN博客
【YOLOv8系列】(三)YOLOv8应用实践:从识别到分类再到分割的全方位视觉解决方案-CSDN博客
【YOLOv8系列】(四)YOLOv8使用自己的数据集进行模型训练,成就感满满_yolov8训练自己的数据集-CSDN博客
数据集的网站:杂草检测:Datasets - Weed-AI (sydney.edu.au)
数据集转换:coco、voc、yolo标签格式互转(json、xml、txt)
2.学习思路:
1.先配置开发环境,包括vscode(集成开发环境)、anaconda(虚拟环境管理工具)、cuda、cudnn(这两个都是)、ultralytics(yolo8)
注意:cuda、cudnn等环境的版本对齐,我的环境是
torch 2.1.2 pypi_0 pypi
torchvision 0.16.2 pypi_0 pypi
conda 23.11.0 py311haa95532_0 defaults
ultralytics 8.1.8 pypi_0 pypi
conda 23.11.0 py311haa95532_0 defaults
conda-content-trust 0.2.0 py311haa95532_0 defaults
conda-libmamba-solver 23.12.0 pyhd3eb1b0_1 defaults
conda-package-handling 2.2.0 py311haa95532_0 defaults
conda-package-streaming 0.9.0 py311haa95532_0 defaults
配置完了之后可以在终端窗口输入:
yolo predict model=./model/yolov8n.pt source='https://ultralytics.com/images/bus.jpg'
检测是否能运行
2.数据集格式转换:不同的算法要求的数据集格式有所区别,weed提供的是coco格式的数据集要转换成xml在转换成txt
3.训练:
4.推理: