# yolo_train

**Repository Path**: Xinglurenk/yolo_train

## Basic Information

- **Project Name**: yolo_train
- **Description**: Python+YOLO v8 实战：手把手教你打造专属 AI 视觉目标检测模型.在 AI 视觉领域，目标检测无疑是核心技术之一。使用 Python 结合 Ultralytics 库中的 YOLO v8，训练和开发属于自己的 AI 视觉模型，实现动态目标检测！无论应用于现实场景，还是满足网络需求，掌握这一技能都能让你轻松应对各种识别任务。
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-01-09
- **Last Updated**: 2026-01-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# YOLOv8 目标检测训练项目

本项目基于 Ultralytics YOLOv8 框架，用于自定义目标检测数据集的训练与推理验证。支持从预训练模型（如 yolov8n）微调，适配 CPU/GPU 训练环境。

## 环境要求
- Python ≥ 3.8
- Ultralytics 库 ≥ 8.0.50（YOLOv8 核心库）
- 依赖库：torch, numpy, opencv-python 等（安装时自动解决）

## 安装步骤
```bash
# 安装核心库（Windows 环境）
pip install ultralytics
```

## 数据集准备
1. 按 YOLO 格式组织数据集，目录结构示例：
   ```
   images/
   ├── train/          # 训练集图片
   │   ├── img1.jpg
   │   └── ...
   ├── val/            # 验证集图片
   │   ├── img100.jpg
   │   └── ...
   └── labels/         # 标签文件（.txt，与图片同名）
       ├── train/
       └── val/
   ```
2. 配置 `data.yaml` 文件（示例）：
   ```yaml
   path: ./data        # 数据集根路径
   train: train        # 训练集相对路径（相对于 path）
   val: val            # 验证集相对路径
   nc: 3               # 类别数量
   names: [ "cat", "dog", "bird" ]  # 类别名称
   ```

## 训练运行
1. 修改 `main.py` 中的 `data` 参数为你的 `data.yaml` 路径（当前已默认指向 `data.yaml`）
2. 调整训练参数（可选）：
   - `epochs`: 训练轮次（默认 500）
   - `imgsz`: 输入图像尺寸（默认 640x640）
   - `batch`: 批次大小（默认 16，需根据显存调整）
   - `device`: 训练设备（`cpu` 或 `0`（NVIDIA GPU））
3. 运行训练脚本：
   ```bash
   python main.py
   ```

## 模型验证
训练完成后，可通过以下方式验证模型：
### 图片推理
取消注释 `main.py` 中的图片验证代码并修改路径：
```python
model('./img/r.png', save=True, show=True)  # 结果保存至 runs/detect/predict 目录
```

### 视频推理
取消注释视频验证代码并修改路径：
```python
model('./img/2.mp4', save=True, show=True)  # 结果保存至 runs/detect/predict 目录
```

## 注意事项
- CPU 训练速度较慢，建议使用 NVIDIA GPU（需安装 CUDA）并将 `device` 参数改为 `0`
- 若出现内存不足，可减小 `batch` 参数（如 8）或 `imgsz`（如 416）
- 训练日志与权重文件保存在 `runs/train` 目录（最新一次训练为 `runs/train/exp`）