一、准备数据集

我的版本是yolov8  8.11 

这个目录结构很重要

ultralytics-main  |  datasets|coco|train|val

二、训练

编写yaml 文件

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: "D:\\work\\pycharmworkplace\\ultralytics-main\\datasets\\coco"  # dataset root dir
train: "D:\\work\\pycharmworkplace\\ultralytics-main\\datasets\\coco\\train"
val: "D:\\work\\pycharmworkplace\\ultralytics-main\\datasets\\coco\\val"
#test:  # test images (optional)# Classes (80 COCO classes)
names:0: fire

 编写python 文件

from ultralytics import YOLO# Load a model
model = YOLO('.\\ultralytics-main\\yolov8n.pt')  # load a pretrained model (recommended for training)# Train the model
results = model.train(data='.\\ultralytics-main\\datasets\\coco\\coco.yaml', epochs=10, imgsz=640)# 检测命令
# yolo predict model=best.pt  source=ultralytics\assets\1_5.jpg

三、验证

自动训练

用python 文件启动

 

 我只总共2600 张图，训练集是1600 张 ，跑10次大概一个多小时跑完

在dataset 的那个文件夹的coco 文件夹下生成了一个runs 的文件夹，里面就有模型和结果

结果看不懂，后面再说，现在找模型

训练的模型在这个目录下

 

测试：

 测试命令

yolo predict model=.datasets\\coco\\runs\\detect\\train2\\weights\\best.pt   source=ultralytics\assets
\1_54.jpg

结果