YOLOv8训练自定义项目

**训练内容：**基于yolo的筒纱实例分割

数据设置：

1）https://ultralytics.com/assets/coco8-seg.zip，下载**coco8-seg.zip，**解压，记住各个文件夹内的文件名（12为为长度，如000000000001.jpg，主要是文件名长度，后缀名先不管）。

2）将自己准备的数据，按照coco8-seg下各个文件夹的文件命名规则重命名，然后复制到各个文件夹内即可。

3）数据配置文件coco-seg.yml的编写，如下：

# 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: /root/autodl-tmp/yolo/datasets/coco8-seg  # dataset root dir
train: images/train  # train images (relative to 'path') 4 images
val: images/val  # val images (relative to 'path') 4 images
test:  # test images (optional)

# Classes (80 COCO classes)
names:
  0: thread
  1: bicycle

注意：①path 项的路径指向的是coco8-seg，路径没有要自己创建。②coco-seg.yml这个文件放置比较灵活，比如放在与datasets同级目录下。

训练：

在datasets所在同级目录下创建train.py，写入：

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-seg.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="/root/autodl-tmp/yolo/coco8-seg.yml", epochs=100, imgsz=(480, 640))

保存。

然后，命令行输入 python train.py，即可。

---

来源：CSDN 原文，首次发布于 2024-05-30。