YOLOv8跑训练和预测

1.配置YOLOv8运行的环境

打开终端

输入conda create -n yolov8 python=3.×.×
新建名为yolov8的新环境，其中python版本根据自己的需要指定。
输入activate yolov8进入新建的环境中
输入pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple配置YOLOv8运行所需环境

2.训练模型

2.1 设置data.yaml文件

yaml文件的作用是指定数据集的路径和类别信息。
如果有现成的yaml文件则使用现成的，将其中的文件路径根据自己电脑中的进行修改。
train等三个文件夹路径是训练集、验证集和测试集的图片文件夹路径，nc是类别数，names是类别信息。

train: D:\Pycharm_Projects\ultralytics\ultralytics\datasets\mooncake\train  # train images (relative to 'path') 128 images
val: D:\Pycharm_Projects\ultralytics\ultralytics\datasets\mooncake\valid # val images (relative to 'path') 128 images
test: D:\Pycharm_Projects\ultralytics\ultralytics\datasets\mooncake\test # test images (optional)

nc: 1
names: ['can']

2.2使用main.py文件进行训练

model = YOLO(r'yolov8s.pt')，括号中的为预训练模型的名称，如yolov8n.pt、yolov8s.pt等；
data：换成上面所述的data.yaml文件的（自己电脑当中的）路径；
epochs：训练轮次；
project：指定每次训练生成的文件夹存储路径，一般设置为自己的runs/train文件夹路径；
name：用来命名每次训练生成文件夹的名称，根据自己习惯设置；
batch和workers根据自己电脑配置进行设置。workers最大为电脑的线程数，可在任务管理器中查看

3.使用训练好的模型进行推理识别

将main.py中模型推理的几行取消注释，其他行进行注释（注释或取消注释的方法为：同时按Ctrl+/）
将main.py中的模型路径改为训练好的best.pt模型的绝对路径（找自己电脑中runs/detect/train/weights下的best.pt）；
source：待预测的图片/图片文件夹/视频的路径，设置为source=0则将调用摄像头进行实时检测；
project：设置预测好的文件的存储路径；
name：存储的文件夹名称。