YOLOv8自定义数据集训练到模型部署推理简析

引言

YOLOv8已经发布，文本是第一篇全面测试从训练到部署的文章，详细介绍每个细节。

YOLOv8安装

如果你只是想使用而不是开发，强烈推荐通过pip安装方式获取YOLOv8包！YOLOv8安装命令行

 

pip install ultralytics

测试查询版本号

import ultralytics
ultralytics.checks()

 

运行截图如下：

YOLOv8系列模型速度、精度、参数统计表

01

推理测试

使用命令行

 

yolo predict model=yolov8n.pt source=zidane.jpg

 

运行截图如下：

注意：D:pythonmy_yolov8_train_demo为作者自建目录。 第一次运行会自动下载yolov8n.pt模型到该目录下。  

02

导出ONNX格式

使用命令行

 

yolo mode=export model=yolov8n.pt format=onnx opset=11

 

运行截图如下：

自定义数据集训练

01

数据集制作与格式

这个跟YOLOv5完全一致，请参考我之前的文章

YOLOv5新版本6.x 自定义对象检测-从训练到部署

记住一定要在

 

D:pythonmy_yolov8_train_demo

目录下先创建一个datasets文件夹然后再把之前YOLOv5的自定义数据集给copy到

D:pythonmy_yolov8_train_demodatasets

 

这个目录下就可以用了

训练执行命令行：

 

yolo task=detect mode=train model=yolov8n.pt epochs=3 batch=1 data=datasets/dm_training/dataset.yaml

 

就可以直接开启训练了，截图如下：

问题与解析

1. OSError: [WinError 1455] 页面文件太小

执行命令行：

 

python -m pip install pefile

保存为fixNvPe.py， 运行命令行：

python fixNvPe.py --input C:UsersAdministratorAppDataLocalProgramsPythonPython38Libsite-packagestorchlib*.dll

即可解决。

2.从PyCharm IDE运行嵌入死循环 从命令行运行才是正确选择

3.导出的ONNX格式模型无法加载 加上参数opset=11， 必须的！  

 

总结

YOLOv8的数据集制作完全跟YOLOv5一致，模型部署推理跟YOLOv5及其相似，如果熟悉掌握YOLOv5的训练与部署，看到此文就可以自动会了YOLOv8的训练与推理了。  

审核编辑：刘清