YOLOV8目标检测——最全最完整模型训练过程记录
前言
本文记录一下yolov8训练目标检测模型的过程，以及其中的一些需要注意的地方。本人是yolov5直接使用的yolov8，因此本文也记录了与yolov5的训练过程不一样的地方。
原创声明：如有转载请注明文章来源。码字不易，如对卿有所帮助，欢迎评论、点赞、收藏。
1 下载yolov8（网址）
2 配置conda环境
这边说一下，pip这里会自动安装cpu版本的torch。因此安装torch要去官网下载，不注意的话后面训练模型会超级慢。
Prompt终端 1、创建一个新的环境，终端输入： conda create -n YOLOV8_1 python=3.9 2、激活环境： conda activate YOLOV8_1 3、转到YOLOV8所在文件夹： cd /d D:python_setultralytics-yolov8-main 4、安装requirements.txt中的包 pip install -r requirements.txt 123456789
3 用pycharm打开文件
打开之后你可能会觉得yolov5文件包里面啥都有，怎么yolov8里面好像啥也没有，连个train.py都没有，还怎么用呀！其实这就是工程化代码的特点，你可以基于这个框架自己创建一个train，只要几行代码就可以训练好了。不会再是yolov5一个train文件看得头大。
在ultralytics中加入创建dataset文件夹，子文件夹code_inspection是本人的项目。里面存档你的images、lables和yaml文件
images 
3 训练自己的YOLOV8数据集
打开终端
输入如下：
# 相关参数需要自己修改一下，这个应该很好理解 yolo detect train data=datasets/code_inspection/code_inspection.yaml model=yolov8n.yaml pretrained=ultralytics/yolov8n.pt epochs=200 batch=8 lr0=0.01 resume=True 12
运行之后会出现一个询问：wanna会询问你要不要使用wandb记录训练结果，这个时候需要你点击进入链接，创建一个wandb的账号，账号会自动生成一个号码（20个字符作用的一个号码），就可以用wandb了。
4 run下运行完了之后没有best.pt文件
yolov8的训练的文件会放在网络端，当然也是有办法放在本地的。我是没有的。
点击进入最上面的链接
按照如下顺序点击即可下载模型。反正我觉得不是很方便。
啊这，过了个小时，run文件下权重文件直接就出现了。可能是我重启之后的效果。
5 导出为onnx文件
这个倒是很方便的。创建一个文件，赋值下面代码就可以了。
from ultralytics import YOLO # Load a model model = YOLO('best.pt') # load a custom trained model # Export the model model.export(format='onnx') 1234567
6 yolov8应用完整案例（免费且包含源代码、数据集）
大图像中的小目标检测——基于YOLOV8+OnnxRuntime部署+滑动窗口+Zbar的条码检测研究
总结
入门yolov8目标检测的步骤：
环境配置标注数据集，标注的报错点在这里（(以YOLO标注为例)labelimg标注闪退的几种情况详解，报错IndexError: list index out of range）熟悉训练过程。由于yolov8加入了一些可视化的东西，用过yolov5之后再来看yolov8会有反应不过来wandb的用法。找一个案例练习，在这里给大家提供一个超级赞的案例，工业产线上的目标检测案例。
（大图像中的小目标检测——基于YOLOV8+OnnxRuntime部署+滑动窗口+Zbar的条码检测研究）
相关知识
YOLOV8目标检测——最全最完整模型训练过程记录
基于深度学习的无人机目标检测系统（网页版+YOLOv8/v7/v6/v5代码+训练数据集）
基于YOLOv8深度学习的200种鸟类智能检测与识别系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战
一文搞懂YOLO系列目标检测！万字长文（附YOLOv8实操教程）
零基础教程：使用yolov8训练自己的目标检测数据集
超详细YOLOv8目标检测全程概述：环境、训练、验证与预测详解
基于深度学习的多目标检测系统（网页版+YOLOv8/v7/v6/v5代码+训练数据集）
基于YOLOv8深度学习的120种犬类检测与识别系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战、狗类检测、犬种识别
基于YOLOv8/YOLOv7/YOLOv6/YOLOv5的障碍物检测系统（深度学习代码+UI界面+训练数据集）
基于深度学习的血细胞检测系统（网页版+YOLOv8/v7/v6/v5代码+训练数据集）
网址: YOLOV8目标检测——最全最完整模型训练过程记录 https://m.mcbbbk.com/newsview502647.html
| 上一篇: APFNet训练+测试复现过程记 |
下一篇: pytorch可视化教程：训练过 |
