yolov8训练完毕后 runs路径不在当前文件夹下

### YOLOv8保存训练完成后模型的方法 YOLOv8框架提供了多种方式来管理和保存训练完成后的模型。当训练结束后，默认情况下，模型的最终状态会被保存到指定目录下的 `weights` 文件夹中[^1]。 #### 默认保存路径 默认情况下，在训练过程中的不同阶段会生成多个权重文件。这些文件通常位于配置的数据集路径下或通过参数自定义设置的目标位置。其中最重要的两个文件分别是 `best.pt` 和 `last.pt`[^2]： - **`best.pt`**: 表示在整个训练过程中验证指标表现最佳的那个模型版本。 - **`last.pt`**: 是最后一次迭代结束时所保存的模型权重，代表当前最新的训练状态。 如果未特别修改存储地址，则上述提到的所有中间及最终成果都将存放在项目根目录里的runs/detect/train子目录里[^3]。 #### 自动化处理机制 在执行命令如`results = model.train(...)`之后,YOLOv8内部已经包含了自动化的逻辑去管理各个时期的checkpoint并妥善安置它们以便后续调用恢复等功能[^4]. 以下是基于官方文档的一个简单例子展示如何加载已存在的部分训练好的模型进而实现从中断处重新启动以及隐含着正常流程下自然形成的终版model保留情况: ```python from ultralytics import YOLO # 加载先前中断的部分训练模型 model = YOLO("path/to/last.pt") # 继续之前的训练(此操作同样适用于初次完整训练直至结束) results = model.train(resume=True) ``` 在这个脚本片段当中,"path/to/last.pt"应当替换成为实际环境中对应的具体文件全名连同其所在确切物理磁盘定位字符串; 当设置了resume标志位为True的时候,程序便会依据该预设值寻找关联资料从而决定是从头开始还是接续前次进度推进下去. 综上所述,对于希望获取经过学习调整完毕后的神经网络结构及其参数集合而言,只需关注由平台按既定规则产出的结果物件即可轻松达成目的.