練全過程（GPU版）)
軟件環(huán)境前期準(zhǔn)備1.Anaconda的下載訓(xùn)練會(huì)在Anaconda Prompt上進(jìn)行。B站的教程有許多我參考的是這個(gè)教程。【【2026最新】Anaconda下載、安裝、環(huán)境配置Pycharm安裝、激活、使用教程新手一條龍教程附安裝包激活碼-嗶哩嗶哩】2.Python的下載上面的視頻教程已有含有python的配置。3.PyTorch的下載在Anaconda Prompt上下載如果電腦配置有GPU可以結(jié)合電腦配置選擇最合適的版本比如NVIDIA RTX 5050選用CUDA 12.8 編譯的 PyTorch 2.7.0。deepseek分析得出的結(jié)論可以參考這個(gè)視頻下載?！尽?026年最新版】Windows 安裝 PyTorch避坑教程-嗶哩嗶哩】1.數(shù)據(jù)集的準(zhǔn)備1數(shù)據(jù)標(biāo)注在https://app.labelstud.io/進(jìn)行分類標(biāo)注(參考的是亞博智能的教程09.數(shù)據(jù)集標(biāo)注【有鎖】或者是搜labelstud的使用教程GitHub - HumanSignal/label-studio: Label Studio is a multi-type data labeling and annotation tool with standardized output format · GitHub)2數(shù)據(jù)集導(dǎo)出數(shù)據(jù)集具體怎么導(dǎo)出在labelstud的使用教程中有教學(xué)。導(dǎo)出來主要包含images、lables、classes.txt文件。2.下載YOLOv8m.pt可以在GitHub 上下載也可以在終端下載下載速度會(huì)慢一些也可以在網(wǎng)上找到Y(jié)OLOv8m.pt放在與數(shù)據(jù)集同文件夾下。運(yùn)行train.py等待Epoch的加載成功。在此過程開始前需要關(guān)注CPU的占有率不得超過80%使用GPU訓(xùn)練會(huì)比CPU快很多1個(gè)Epoch的737張數(shù)據(jù)集大概需要3536秒。溫馨提示在掛機(jī)訓(xùn)練時(shí)記得調(diào)整電腦休眠時(shí)間YOLO 目標(biāo)檢測與分割 | Ultralytics建議提前下載在數(shù)據(jù)集目錄下3.data.yamldata.yaml要注意文件的路徑根據(jù)具體實(shí)際情況來進(jìn)行修改# 數(shù)據(jù)集路徑 path: C:/Users/zhou/Desktop/yolov8m/newone # 訓(xùn)練集和驗(yàn)證集路徑 train: images val: images # 類別數(shù)量 nc: 4 # 類別名稱 names: 0: broken 1: good 2: impurity 3: mildew4.train.pytrain可根據(jù)具體自己的需求來進(jìn)行修改from ultralytics import YOLO # 1. 加載 YOLOv8m 預(yù)訓(xùn)練模型會(huì)自動(dòng)從網(wǎng)絡(luò)下載模型權(quán)重 model YOLO(yolov8m.pt) # 2. 開始訓(xùn)練針對(duì)你的 RTX 5050 和 16GB 內(nèi)存優(yōu)化 results model.train( datadata.yaml, # 數(shù)據(jù)集配置 epochs200, # 正式訓(xùn)練 200 輪737張圖大約 1-2 小時(shí)跑完 batch8, # 你的顯存/內(nèi)存完全可以跑 batch8 imgsz640, # 輸入分辨率 device0, # 【重點(diǎn)】設(shè)置成 0強(qiáng)制使用你的 RTX 5050 顯卡 workers0, # Windows 下可以開 0線程加速讀取數(shù)據(jù) projectruns/detect, # 結(jié)果保存位置 nametrain_gpu, # 保存的文件夾名字 exist_okTrue, # 如果文件夾存在就覆蓋 saveTrue, # 保存最好的一組模型權(quán)重 valTrue, # 每輪跑完跑一次驗(yàn)證 plotsTrue, # 畫出訓(xùn)練趨勢圖 degrees15.0, # 數(shù)據(jù)增強(qiáng)隨機(jī)旋轉(zhuǎn) translate0.1, # 數(shù)據(jù)增強(qiáng)平移 scale0.5, # 數(shù)據(jù)增強(qiáng)縮放 mosaic1.0 # 數(shù)據(jù)增強(qiáng)拼圖極大彌補(bǔ)你圖片只有737張的缺點(diǎn) ) # 3. 訓(xùn)練完自動(dòng)驗(yàn)證最終結(jié)果 metrics model.val() print( 驗(yàn)證結(jié)果, metrics )5.開始實(shí)操1在Anaconda Prompt創(chuàng)建pytorch虛擬環(huán)境conda create -n pytorch python3.132進(jìn)入pytorch虛擬環(huán)境conda activate pytorch3進(jìn)入項(xiàng)目根目錄cd XXX(項(xiàng)目下數(shù)據(jù)集目錄)4運(yùn)行train.pypython train.py5等待Epoch加載完成這是訓(xùn)練完畢的項(xiàng)目框架best.pt文件是后面轉(zhuǎn)換部署的關(guān)鍵。有不完整處可留言呀~ YOLOv8m訓(xùn)練全過程（GPU版）
軟件環(huán)境前期準(zhǔn)備1.Anaconda的下載訓(xùn)練會(huì)在Anaconda Prompt上進(jìn)行。B站的教程有許多我參考的是這個(gè)教程。【【2026最新】Anaconda下載、安裝、環(huán)境配置Pycharm安裝、激活、使用教程新手一條龍教程附安裝包激活碼-嗶哩嗶哩】2.Python的下載上面的視頻教程已有含有python的配置。3.PyTorch的下載在Anaconda Prompt上下載如果電腦配置有GPU可以結(jié)合電腦配置選擇最合適的版本比如NVIDIA RTX 5050選用CUDA 12.8 編譯的 PyTorch 2.7.0。deepseek分析得出的結(jié)論可以參考這個(gè)視頻下載?！尽?026年最新版】Windows 安裝 PyTorch避坑教程-嗶哩嗶哩】1.數(shù)據(jù)集的準(zhǔn)備1數(shù)據(jù)標(biāo)注在https://app.labelstud.io/進(jìn)行分類標(biāo)注(參考的是亞博智能的教程09.數(shù)據(jù)集標(biāo)注【有鎖】或者是搜labelstud的使用教程GitHub - HumanSignal/label-studio: Label Studio is a multi-type data labeling and annotation tool with standardized output format · GitHub)2數(shù)據(jù)集導(dǎo)出數(shù)據(jù)集具體怎么導(dǎo)出在labelstud的使用教程中有教學(xué)。導(dǎo)出來主要包含images、lables、classes.txt文件。2.下載YOLOv8m.pt可以在GitHub 上下載也可以在終端下載下載速度會(huì)慢一些也可以在網(wǎng)上找到Y(jié)OLOv8m.pt放在與數(shù)據(jù)集同文件夾下。運(yùn)行train.py等待Epoch的加載成功。在此過程開始前需要關(guān)注CPU的占有率不得超過80%使用GPU訓(xùn)練會(huì)比CPU快很多1個(gè)Epoch的737張數(shù)據(jù)集大概需要3536秒。溫馨提示在掛機(jī)訓(xùn)練時(shí)記得調(diào)整電腦休眠時(shí)間YOLO 目標(biāo)檢測與分割 | Ultralytics建議提前下載在數(shù)據(jù)集目錄下3.data.yamldata.yaml要注意文件的路徑根據(jù)具體實(shí)際情況來進(jìn)行修改# 數(shù)據(jù)集路徑 path: C:/Users/zhou/Desktop/yolov8m/newone # 訓(xùn)練集和驗(yàn)證集路徑 train: images val: images # 類別數(shù)量 nc: 4 # 類別名稱 names: 0: broken 1: good 2: impurity 3: mildew4.train.pytrain可根據(jù)具體自己的需求來進(jìn)行修改from ultralytics import YOLO # 1. 加載 YOLOv8m 預(yù)訓(xùn)練模型會(huì)自動(dòng)從網(wǎng)絡(luò)下載模型權(quán)重 model YOLO(yolov8m.pt) # 2. 開始訓(xùn)練針對(duì)你的 RTX 5050 和 16GB 內(nèi)存優(yōu)化 results model.train( datadata.yaml, # 數(shù)據(jù)集配置 epochs200, # 正式訓(xùn)練 200 輪737張圖大約 1-2 小時(shí)跑完 batch8, # 你的顯存/內(nèi)存完全可以跑 batch8 imgsz640, # 輸入分辨率 device0, # 【重點(diǎn)】設(shè)置成 0強(qiáng)制使用你的 RTX 5050 顯卡 workers0, # Windows 下可以開 0線程加速讀取數(shù)據(jù) projectruns/detect, # 結(jié)果保存位置 nametrain_gpu, # 保存的文件夾名字 exist_okTrue, # 如果文件夾存在就覆蓋 saveTrue, # 保存最好的一組模型權(quán)重 valTrue, # 每輪跑完跑一次驗(yàn)證 plotsTrue, # 畫出訓(xùn)練趨勢圖 degrees15.0, # 數(shù)據(jù)增強(qiáng)隨機(jī)旋轉(zhuǎn) translate0.1, # 數(shù)據(jù)增強(qiáng)平移 scale0.5, # 數(shù)據(jù)增強(qiáng)縮放 mosaic1.0 # 數(shù)據(jù)增強(qiáng)拼圖極大彌補(bǔ)你圖片只有737張的缺點(diǎn) ) # 3. 訓(xùn)練完自動(dòng)驗(yàn)證最終結(jié)果 metrics model.val() print( 驗(yàn)證結(jié)果, metrics )5.開始實(shí)操1在Anaconda Prompt創(chuàng)建pytorch虛擬環(huán)境conda create -n pytorch python3.132進(jìn)入pytorch虛擬環(huán)境conda activate pytorch3進(jìn)入項(xiàng)目根目錄cd XXX(項(xiàng)目下數(shù)據(jù)集目錄)4運(yùn)行train.pypython train.py5等待Epoch加載完成這是訓(xùn)練完畢的項(xiàng)目框架best.pt文件是后面轉(zhuǎn)換部署的關(guān)鍵。有不完整處可留言呀~