当前位置：首页 > news >正文

完整教程：从0到1在Windows下训练YOLOv8模型

news 2025/9/27 15:38:38

YOLOv8在Windows下训练模型的完整步骤

一、环境配置

1. 安装CUDA（如果尚未安装）

确保已安装与GPU兼容的CUDA版本
从NVIDIA官网下载并安装CUDA Toolkit

2. 创建并配置Python虚拟环境

# 创建虚拟环境
conda create -n yolov8 python=3.8 -y# 激活虚拟环境
conda activate yolov8# 安装PyTorch和Torchvision（推荐使用GPU版本）
# 可以参考：https://pytorch.org/get-started/locally/
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118# 安装Ultralytics库（包含YOLOv8）
pip install ultralytics

注意：安装时确保使用与CUDA版本兼容的PyTorch版本

二、数据集准备

1. 收集并标注图像

使用LabelImg等工具标注图像数据集
安装LabelImg（推荐使用国内源）：

pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 数据集格式要求

图片文件：放在images/train/、images/val/、images/test/文件夹中
标签文件：与图片同名的.txt文件，放在labels/train/、labels/val/、labels/test/中
每个标签文件格式：<class_id> <x_center> <y_center> <width> <height>

- 坐标归一化到[0,1]范围
- 以空格分隔

重要：如果使用LabelImg标注，需要将XML格式转换为YOLO格式（可使用脚本转换）

3. 创建数据集配置文件（如mydata.yaml）


train: ./images/train/
val: ./images/val/
test: ./images/test/nc: 3  # 类别数量
names: ['class_1', 'class_2', 'class_3']  # 类别名称

三、模型训练

1. 使用命令行训练（推荐）


yolo train data=mydata.yaml model=yolov8n.pt epochs=100 imgsz=640 batch=16 device=0

参数说明：

data: 数据集配置文件路径
model: 预训练模型（如yolov8n.pt）
epochs: 训练轮数
imgsz: 输入图像尺寸（640为常用值）
batch: 批次大小（根据GPU显存调整）
device: 运行设备（0表示GPU，'cpu'表示CPU）

2. 使用Python脚本训练（如果命令行有问题）

创建train.py文件，内容如下：


from ultralytics import YOLO# 加载模型
model = YOLO('yolov8n.pt')# 训练模型
model.train(data='mydata.yaml',epochs=100,imgsz=640,batch=16,device=0
)

然后在虚拟环境中运行：

python train.py

四、模型测试

训练完成后，使用以下命令测试模型：

yolo predict model=runs/train/exp/weights/best.pt source='your_image.jpg'

或者使用Python脚本：


from ultralytics import YOLO# 加载训练好的模型
model = YOLO('runs/train/exp/weights/best.pt')# 进行预测
results = model.predict('your_image.jpg', save=True)# 查看结果
print(results)