环境搭建模型训练推理参考我的另一篇文章(https://blog.csdn.net/qq_47540436/article/details/137524454)一. 下载源码https://github.com/ultralytics/ultralyticsPycharm打开下载的源码进入虚拟环境安装模型训练所需的包pip install ultralytics二、预训练权重下载源码下载界面中的readme文件中往下翻找到yolov8n的预训练权重点击下载验证环境配置是否成功复制下面的代码来验证一下是否可以运行yolo predict modelyolov8n.pt source‘ultralytics/assets/bus.jpg’三、yaml文件修改VOC.yaml、yolov8.yamlultralytics-main/ultralytics/cfg)参数参考https://blog.csdn.net/qq_47540436/article/details/137524454四、修改配置文件设置好需要训练的数据集路径、所使用的具体yolo模型要加载的预训练权重文件,并且设置所需的epoch数量。设置参数路径D:\ultralytics-main\ultralytics\cfg\default.yamldata datasets/glass.yamlmodel yolov8n.yamlpretrained ultralytics/yolov8n.ptepoch 100 注不修改参数就按照下面第5点训练五、模型训练/验证/预测/导出1.模型训练1.1在terminal中输入下面的命令 服务器运行yolo detect train data/home/ultralytics-main/ultralytics/cfg/datasets/VOC.yaml modelyolov8n.yaml epochs500 batch16本地端运行yolo detect train dataD:/ultralytics-main/ultralytics/cfg/datasets/VOC.yaml modelv8/yolov8n.yaml epochs500 batch16.pt类型的文件是从预训练模型的基础上进行训练。若我们选择 yolov8n.pt这种.pt类型的文件其实里面是包含了模型的结构和训练好的参数的。.yaml文件是从零开始训练。采用yolov8n.yaml这种.yaml文件的形式在文件中指定类别以及一些别的参数。注VOC.yaml 用绝对路径screen挂起运行/home/.conda/envs/bin/python/ultralytics-other/train.py1.2新建run.py使用run.py运行fromultralyticsimportYOLOif\_\_name\_\_\_\_main\_\_:# 加载一个模型modelYOLO(yolov8n.yaml)# 从YAML建立一个新模型# 训练模型resultsmodel.train(dataD:/ultralytics-main/ultralytics/cfg/datasets/VOC.yaml,device0,epochs10,batch8,imgsz640)运行run.py如图所示模型开始训练使用预训练权重训练时会显示如下语句Transferred…如图所示训练结束结果保存至指定文件夹2.模型验证输入下面的命令进行模型的验证这里的models为训练的最好的那一组权重yolo detect val datadatasets/glass.yaml modelruns/detect/train/weights/best.pt batch43.模型预测输入下面的命令预测如下source文件下的图片yolo predict model/home/ultralytics-main/ultralytics/runs/detect/train/weights/best.pt source/home/ultralytics-main/source4.模型导出使用如下命令即可完成训练模型的导出。yolo export modelultralytics/runs/detect/train/weights/best.pt formatonnx imgsz 640解决YOLOv8中的KeyError问题pip install --upgrade ultralytics更新重新打开程序