使用yolov8训练数据集及使用中遇到的问题

2023-11-06 23:30

本文主要是介绍使用yolov8训练数据集及使用中遇到的问题,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1.下载yolov8文件夹

下载链接

就是这个文件夹,别怕

 2.yolov8模型

下载链接,我下了yolov8s.py,放在该路径E:\nfshare\yolov8\ultralytics\weights

ps:model文件类型可以是yaml,也可以是pt

 3.修改yolov8.yaml文件

E:\nfshare\yolov8\ultralytics\cfg\models\v8\yolov8.yaml,就改类别数

nc: 9  # number of classes

4.新建data文件

 E:\nfshare\yolov8\ultralytics\cfg\datasets\hr.yaml,这些和yolov5一样

5.修改default.yaml文件

E:\nfshare\yolov8\ultralytics\cfg\default.yaml ,就动了以下几个参数

model: weights/yolov8s.pt  # (str, optional) path to model file, i.e. yolov8n.pt, yolov8n.yaml
data:  cfg/datasets/hr.yaml # (str, optional) path to data file, i.e. coco128.yaml
epochs: 1  # (int) number of epochs to train for
amp: False
batch: 8

 运行代码 yolo cfg=cfg/default.yaml

6.训练yolov8模型(train)

1.新建.py文件训练模型

在路径下新建python脚本文件\yolov8\ultralytics\demo.py,就像运行yolov5的模型一样,运行该脚本文件。

下面这些参数要怎么设置我还没懂。

#import sys
#sys.path.append("/home/yyt/nfshare/yolov8/")
from ultralytics import YOLO# Create a new YOLO model from scratch
#model = YOLO('/home/yyt/nfshare/yolov8/ultralytics/cfg/models/v8/yolov8.yaml')# Load a pretrained YOLO model (recommended for training)
model = YOLO('/home/yyt/nfshare/yolov8/ultralytics/weights/yolov8s.pt')# Train the model using the 'coco128.yaml' dataset for 3 epochs
results = model.train(data='/home/yyt/nfshare/yolov8/ultralytics/cfg/datasets/hr.yaml',amp=False,epochs=2,batch=8,val=True)# Evaluate the model's performance on the validation set
#results = model.val(data='/home/yyt/nfshare/yolov8/ultralytics/cfg/datasets/hr.yaml',amp=False,epochs=2,batch=8)success = model.export(format='onnx')

2.运行default.yaml文件训练模型

直接输入yolo cfg=/文件的路径/default.yaml

3.命令运行直接输:

yolo task=detect mode=train model=/yolov8/ultralytics/cfg/runs/detect/train6//weights/last.pt(模型位置,模型可以是.yaml形式或者.pt) data=/yolov8/ultralytics/cfg/datasets/hr.yaml(数据集.yaml文件位置) epochs=150 save=True resume=True (后面的都是参数,具体写什么看default.yaml里面你需要改什么)

7.测试训练后的模型(test)

1.运行default.yaml

修改default.yaml,运行代码和train一样

修改mode: val,model:/runs/detect/train6/weights/last.pt ,split: test 

2.代码运行

这个方法能显示test每张图片检测的结果

yolo predict model= '/home/yyt/nfshare/yolov8/ultralytics/cfg/runs/detect/train6/weights/last.pt'(模型路径) source= '/home/yyt/nfshare/zijianshujuji/image/test'(图片文件路径)

问题

1.box_loss   cls_loss   dfl_loss全显示为nan,map全为0

显卡问题,batch值太大

解决:在default.yaml中,改小batch值 ,amp改为False

2.val的box_loss、cls_loss、dfl_loss为0,train不为0

排查问题:

1.validator.py文件

为了解决问题1 result全显示为0,我删去了validator中的如下代码,恢复看看能不能跑通val

 self.args.half = self.device.type != 'cpu'  # force FP16 val during training

 失败

2.amp

amp改为ture,好的这个不能改,改了又都是nan

不是我瞎改的问题

尝试:

1.在trainer.py里面搜索half关键字,把所有有.half()变为.float()
            #'model': deepcopy(de_parallel(self.model)).half(),'model': deepcopy(de_parallel(self.model)).float(),#'ema': deepcopy(self.ema.ema).half(),'ema': deepcopy(self.ema.ema).float(),

 无效果

2.继续修改val.py,修改batch['img'].half()改为batch['img'].float()
#batch['img'] = (batch['img'].half() if self.args.half else batch['img'].float()) / 255batch['img'] = (batch['img'].float()) / 255

 3.继续修改validator.py

 不行

4.改小batch_size

batch_size=4

不行

解决:更新环境和其他安装包,pip install  -r requirement.txt

3.运行default.yaml,报错 ModuleNotFoundError: No module named 'ultralytics'

(yolov5) root@xxdell:/home/yyt/nfshare/yolov8/ultralytics# yolo cfg=/home/yyt/nfshare/yolov8/ultralytics/cfg/default.yaml
Traceback (most recent call last):File "/home/nephilim/environment/anaconda3/envs/yolov5/bin/yolo", line 5, in <module>from ultralytics.cfg import entrypoint
ModuleNotFoundError: No module named 'ultralytics'

解决方法:在/home/xx/environment/anaconda3/envs/yolov5/bin/yolo文件中添加路径

sys.path.append("/home/yyt/nfshare/yolov8/")

 再次运行,解决

4.训练结果runs文件保存路径改变

原本的训练结果保存在/home/yyt/nfshare/yolov8/runs 里面,即我的共享文件夹和yolov8存在的项目文件了,现在被更改了也不知道是怎么回事,前两次训练结果就没有出现。现在的文件夹路径在虚拟机的环境路径里/home/xx/environment/anaconda3/envs/yolov5/bin/runs/detect

感觉使用的不是yolov8,而是yolov5

(base) yyt@dell:/home/xx/environment/anaconda3/envs/yolov5/bin/runs/detect$ stat trainFile: trainSize: 4096          Blocks: 8          IO Block: 4096   directory
Device: 824h/2084d    Inode: 16883842    Links: 3
Access: (0755/drwxr-xr-x)  Uid: (    0/    root)   Gid: (    0/    root)
Access: 2023-08-21 15:02:27.587039861 +0800
Modify: 2023-08-21 14:59:15.937472731 +0800
Change: 2023-08-21 14:59:15.937472731 +0800

分析:

这几次运行的都是配置default.yaml,运行python文件,正常显示。


5.断网导致训练中断,继续训练

参考http://t.csdn.cn/UZRqy

命令行直接输入代码如下,模型改为之前跑的last.pt,epochs是总的训练次数

yolo task=detect mode=train model=/home/yyt/nfshare/yolov8/ultralytics/cfg/runs/detect/train6//weights/last.pt data=/home/yyt/nfshare/yolov8/ultralytics/cfg/datasets/hr.yaml epochs=150 save=True resume=True

6.ValueError: cannot convert float NaN to integer

训练完模型后,继续跑val测试,出现以下错误。

Validating runs/detect/train/weights/best.pt...
Ultralytics YOLOv8.0.173 🚀 Python-3.9.17 torch-2.0.1+cu117 CUDA:0 (NVIDIA GeForce GTX 1660 SUPER, 5928MiB)
Model summary (fused): 168 layers, 11129067 parameters, 0 gradientsClass     Images  Instances      Box(P          R      mAP50  mAP50-95):   1%|▏         | 1/78 [00:00<00:26,  2.87it/s]Exception in thread Thread-25:
Traceback (most recent call last):File "/home/nephilim/environment/anaconda3/envs/yolov5/lib/python3.9/threading.py", line 980, in _bootstrap_innerself.run()File "/home/nephilim/environment/anaconda3/envs/yolov5/lib/python3.9/threading.py", line 917, in runself._target(*self._args, **self._kwargs)File "/home/yyt/.local/lib/python3.9/site-packages/ultralytics/utils/plotting.py", line 446, in plot_imagesannotator.box_label(box, label, color=color)File "/home/yyt/.local/lib/python3.9/site-packages/ultralytics/utils/plotting.py", line 116, in box_labelself.draw.text((box[0], box[1] - h if outside else box[1]), label, fill=txt_color, font=self.font)File "/home/nephilim/environment/anaconda3/envs/yolov5/lib/python3.9/site-packages/PIL/ImageDraw.py", line 556, in textdraw_text(ink)File "/home/nephilim/environment/anaconda3/envs/yolov5/lib/python3.9/site-packages/PIL/ImageDraw.py", line 496, in draw_textcoord.append(int(xy[i]))
ValueError: cannot convert float NaN to integerClass     Images  Instances      Box(P          R      mAP50  mAP50-95):   3%|▎         | 2/78 [00:01<00:44,  1.70it/s]Exception in thread Thread-27:
Traceback (most recent call last):File "/home/nephilim/environment/anaconda3/envs/yolov5/lib/python3.9/threading.py", line 980, in _bootstrap_innerself.run()File "/home/nephilim/environment/anaconda3/envs/yolov5/lib/python3.9/threading.py", line 917, in runself._target(*self._args, **self._kwargs)File "/home/yyt/.local/lib/python3.9/site-packages/ultralytics/utils/plotting.py", line 446, in plot_imagesannotator.box_label(box, label, color=color)File "/home/yyt/.local/lib/python3.9/site-packages/ultralytics/utils/plotting.py", line 116, in box_labelself.draw.text((box[0], box[1] - h if outside else box[1]), label, fill=txt_color, font=self.font)File "/home/nephilim/environment/anaconda3/envs/yolov5/lib/python3.9/site-packages/PIL/ImageDraw.py", line 556, in textdraw_text(ink)File "/home/nephilim/environment/anaconda3/envs/yolov5/lib/python3.9/site-packages/PIL/ImageDraw.py", line 496, in draw_textcoord.append(int(xy[i]))

暂时没解决

7.关于requirements.txt安装文件的路径

这个默认安装路径一直让我很烦,安装前需要提前转到conda环境的路径下再运行命令

cd /home/111/yyt/anaconda3/envs/yolov8/lib/python3.10/site-packages(安装包路径)
pip install -r 路径/requirements.txt

参考这两篇文章http://t.csdn.cn/9edbL,http://t.csdn.cn/oJXMF,提前确定好自己的安装位置,免得找不到安装包。

8.command 'yolonot found ,did you mean:command 'rolo' from deb rolo 

类似找不到命令的情况在yolov8里很常见

参考http://t.csdn.cn/R6aQY

运行yolov8目录下的setup.py文件

python setup.py install

9.seaborn/_oldcore.py:1119:FuturwWarning:use_inf_as_na option is be removed in a future version.Cohvert inf values to NaN before operating instead: 

 未来预警,意思是seaborn/_oldcore.py:1119:FuturwWarning:use_inf_as_na 选项将在未来版本中删除。在操作之前将 inf 值转换为 NaN:

只要不是报错不管他。

10.AssertionError: /home/wsjdy/yyt/nfshare/yolov8/ultralytics/runs/detect/train5/weights/last.pt training to 150 epochs is finished, nothing to resume.

训练150轮结束后,想要继续训练,增加训练轮数

修改resume=True epochs=300 models=/上次训练的结果/last.pt 

结果显示报错如上。

尝试:yolov8断点恢复训练及减少训练次数和增加训练次数-CSDN博客

修改ultralytics/engine/trainer.py文件

修改self.epochs=想要训练的总次数,结果失败

尝试2:Yolov8断点续训/继续训练_q1224352995的博客-CSDN博客 失败

屈服了

直接把models改为last.pt,resume=False,epochs=150,在原有的基础上加训

这篇关于使用yolov8训练数据集及使用中遇到的问题的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/359713

相关文章

Java使用Curator进行ZooKeeper操作的详细教程

《Java使用Curator进行ZooKeeper操作的详细教程》ApacheCurator是一个基于ZooKeeper的Java客户端库,它极大地简化了使用ZooKeeper的开发工作,在分布式系统... 目录1、简述2、核心功能2.1 CuratorFramework2.2 Recipes3、示例实践3

springboot security使用jwt认证方式

《springbootsecurity使用jwt认证方式》:本文主要介绍springbootsecurity使用jwt认证方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地... 目录前言代码示例依赖定义mapper定义用户信息的实体beansecurity相关的类提供登录接口测试提供一

go中空接口的具体使用

《go中空接口的具体使用》空接口是一种特殊的接口类型,它不包含任何方法,本文主要介绍了go中空接口的具体使用,具有一定的参考价值,感兴趣的可以了解一下... 目录接口-空接口1. 什么是空接口?2. 如何使用空接口?第一,第二,第三,3. 空接口几个要注意的坑坑1:坑2:坑3:接口-空接口1. 什么是空接

Java利用JSONPath操作JSON数据的技术指南

《Java利用JSONPath操作JSON数据的技术指南》JSONPath是一种强大的工具,用于查询和操作JSON数据,类似于SQL的语法,它为处理复杂的JSON数据结构提供了简单且高效... 目录1、简述2、什么是 jsONPath?3、Java 示例3.1 基本查询3.2 过滤查询3.3 递归搜索3.4

springboot security快速使用示例详解

《springbootsecurity快速使用示例详解》:本文主要介绍springbootsecurity快速使用示例,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝... 目录创www.chinasem.cn建spring boot项目生成脚手架配置依赖接口示例代码项目结构启用s

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

java中使用POI生成Excel并导出过程

《java中使用POI生成Excel并导出过程》:本文主要介绍java中使用POI生成Excel并导出过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录需求说明及实现方式需求完成通用代码版本1版本2结果展示type参数为atype参数为b总结注:本文章中代码均为

MySQL大表数据的分区与分库分表的实现

《MySQL大表数据的分区与分库分表的实现》数据库的分区和分库分表是两种常用的技术方案,本文主要介绍了MySQL大表数据的分区与分库分表的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有... 目录1. mysql大表数据的分区1.1 什么是分区?1.2 分区的类型1.3 分区的优点1.4 分

Mysql删除几亿条数据表中的部分数据的方法实现

《Mysql删除几亿条数据表中的部分数据的方法实现》在MySQL中删除一个大表中的数据时,需要特别注意操作的性能和对系统的影响,本文主要介绍了Mysql删除几亿条数据表中的部分数据的方法实现,具有一定... 目录1、需求2、方案1. 使用 DELETE 语句分批删除2. 使用 INPLACE ALTER T

Spring Boot3虚拟线程的使用步骤详解

《SpringBoot3虚拟线程的使用步骤详解》虚拟线程是Java19中引入的一个新特性,旨在通过简化线程管理来提升应用程序的并发性能,:本文主要介绍SpringBoot3虚拟线程的使用步骤,... 目录问题根源分析解决方案验证验证实验实验1:未启用keep-alive实验2:启用keep-alive扩展建