ubuntu yolov8训练自己的数据集
时间: 2025-02-25 08:00:42 浏览: 55
### 安装依赖库
为了能够在Ubuntu系统上使用YOLOv8训练自定义数据集,安装必要的Python包是首要任务。这通常通过`pip`完成,确保环境中已安装最新版本的`torch`和其他必需库[^2]。
```bash
pip install ultralytics
```
### 数据准备
对于数据集而言,需将其划分为训练集(train)和验证集(val),并提供相应的标签文件。这些路径可以在配置文件中指定,既可以采用绝对路径也能利用相对路径[^3]。
### 配置文件设置
不同于以往版本,在YOLOv8中所有的配置参数都被集中管理于单个yaml格式的配置文件(`default.yaml`)内,这意味着不再像YOLOv5那样部分参数位于配置文件而另一些则存在于`train.py`之中。此配置文件应包含但不限于如下字段:
- `path`: 数据集根目录。
- `train`: 训练图像位置相对于`path`的子路径。
- `val`: 测试/验证图像位置相对于`path`的子路径。
- `nc`: 类别数量。
- `names`: 列表形式表示各个类别的名称。
例如,一个简单的配置可能看起来像这样:
```yaml
# default.yaml example configuration file for yolov8 training on custom dataset.
path: ./datasets/my_custom_dataset/
train: images/train/
val: images/validation/
nc: 3 # number of classes, e.g., cat, dog, bird.
names:
- 'cat'
- 'dog'
- 'bird'
```
### 开始训练过程
当一切就绪之后,启动训练仅需一条命令即可实现。这里假设已经克隆了ultralytics/yolov8仓库并且处于项目根目录下;如果尚未下载,则可通过Git获取源码。
```python
from ultralytics import YOLO
model = YOLO('yolov8n.pt') # Load a pretrained model (recommended for transfer learning).
results = model.train(data='path/to/default.yaml', epochs=100, imgsz=640)
```
上述代码片段展示了加载预训练模型以及调用`.train()`方法来进行实际训练的过程。注意替换`'path/to/default.yaml'`为指向自己创建的那个配置文件的实际路径。
阅读全文
相关推荐


















