|
|
# yolo训练自己的数据
|
|
|
## 1、制作数据集
|
|
|
①：标注工具：labelme
|
|
|
|
|
|
②：标注完后使用脚本将xml转为yolo格式（txt）
|
|
|
|
|
|
③：将转好格式的数据划分为训练集（train）和验证集（val），比例为7：3。
|
|
|
|
|
|
④：参考[coco128](https://ultralytics.com/assets/coco128.zip)数据的文件格式，将自己的数据文件夹层次改为和coco128的相似，和train2017同级及一个val文件夹，存放验证集数据，coco128中val
|
|
|
|
|
|
## 2、修改配置文件
|
|
|
①：复制coco128.yaml文件到ultralytics-main目录，并改名为mydata.yaml
|
|
|
|
|
|
②：修改 path 后面的路径为你自己放数据的路径。例：path: /home/tp/datasets/mydata
|
|
|
|
|
|
③：修改 train 和 val后面的路径，如果子的数据目录结构和coco128结构完全相同，那么你可以不需要改动。
|
|
|
|
|
|
例：train: images/train2017
|
|
|
val: images/val
|
|
|
|
|
|
④：将 name 后面的标签改为自己标注时的标签。或者这个0要与xml转txt时对应的标签名一致
|
|
|
|
|
|
例：0: smoke
|
|
|
1: rmb
|
|
|
|
|
|
## 3、训练
|
|
|
①：进入ultralytics-main目录
|
|
|
|
|
|
②：训练参数解释：
|
|
|
```angular2html
|
|
|
data=coco128.yaml、model=yolov8n.pt 将参数路径改为实际文件路径
|
|
|
|
|
|
epochs=100 训练100批次
|
|
|
|
|
|
batch=16 batch_size大小为16
|
|
|
|
|
|
save_period=50 隔固定周期保存模型，小于1，为禁用,默认禁用
|
|
|
```
|
|
|
|
|
|
③：执行以下命令
|
|
|
```bash
|
|
|
python yolo detect train data=mydata.yaml model=yolov8n.pt epochs=100 imgsz=640
|
|
|
```
|
|
|
|