⚡⚡⚡ 欢迎预览，批评指正⚡⚡⚡
文章目录
- 一、训练前的数据准备
- 1.1 数据集目录结构
- 1.2 数据划分
- 1.3 数据放置位置
- 1.4 数据集描述文件（YAML）
- 二、模型训练
- 2.1 命令行方式训练
- 2.2 Python API 方式训练
- 2.3 自定义配置文件
- 三、训练结果
- 3.1 结果保存位置
- 3.2 结果内容
- 3.3 使用训练好的模型进行预测
- 四、使用中的注意事项
- 4.1 Windows 系统 workers 参数
- 4.2 虚拟内存设置
- 4.3 数据集路径问题
- 4.4 缓存文件问题
- 五、本集核心要点回顾
一、训练前的数据准备
1.1 数据集目录结构
需要将数据整理为以下结构：
dataset/ ├── images/ │ ├── train/ # 训练集图片 │ └── val/ # 验证集图片 ├── labels/ │ ├── train/ # 训练集标签 │ └── val/ # 验证集标签 └── classes.txt # 类别文件1.2 数据划分
- 从已标注的数据中抽取 300~400 张作为训练集
- 剩余数据作为验证集
- 重要：标签文件的名称必须与训练集图片名称完全对应
1.3 数据放置位置
与 YOLOv5 不同：YOLOv8 的数据集必须放在datasets目录下。
ultralytics/ └── datasets/ └── BVN/ # 自定义数据集名称 ├── images/ │ ├── train/ │ └── val/ └── labels/ ├── train/ └── val/1.4 数据集描述文件（YAML）
path:datasets/BVN# 数据集根路径（从 datasets 目录开始写）train:images/train# 训练集图片路径val:images/val# 验证集图片路径nc:2# 类别数量names:['戴图','名人']# 类别名称列表关键点：
path从datasets目录开始写起，不是从项目根目录- 标签文件名称必须与图片名称完全一致
二、模型训练
2.1 命令行方式训练
yolo detect trainmodel=yolov8n.ptdata=ultralytics.yamlepochs=100workers=0batch=16参数说明：
| 参数 | 说明 | 示例值 |
|---|---|---|
detect train | 任务类型（训练） | detect train |
model | 预训练模型 | yolov8n.pt |
data | 数据集描述文件 | ultralytics.yaml |
epochs | 训练轮数 | 100 |
workers | 数据加载线程数 | 0（Windows 必须设为 0） |
batch | 批次大小 | 16 |
2.2 Python API 方式训练
fromultralyticsimportYOLO# 加载模型model=YOLO("yolov8n.pt")# 开始训练model.train(data="ultralytics.yaml",epochs=100,workers=0,batch=16)注意事项：
- Windows 系统
workers必须设为 0，否则会出现多进程问题 - 确保 Python 解释器选择正确（之前创建的 yolov8 环境）
2.3 自定义配置文件
YOLOv8 支持使用配置文件覆盖默认参数：
# 复制默认配置文件yolo copy cfg# 修改配置文件中的参数# 然后使用配置文件训练yolo cfg.yaml配置文件位置：ultralytics/cfg/default.yaml
三、训练结果
3.1 结果保存位置
训练结果保存在runs/detect/train/目录下。
3.2 结果内容
| 文件/文件夹 | 说明 |
|---|---|
results.png | 训练曲线（Loss、mAP 等指标） |
confusion_matrix.png | 混淆矩阵 |
weights/best.pt | 最佳模型（验证集上表现最好的） |
weights/last.pt | 最后一轮模型（可用于继续训练） |
args.yaml | 训练参数记录 |
3.3 使用训练好的模型进行预测
yolo detect predictmodel=runs/detect/train/weights/best.ptsource=video.mp4show=True四、使用中的注意事项
4.1 Windows 系统 workers 参数
必须设置workers=0，否则会出现多进程错误。
4.2 虚拟内存设置
如果训练过程中出现虚拟内存不足的错误：
- 右键"此电脑" → 属性 → 高级系统设置
- 性能 → 设置 → 高级 → 虚拟内存 → 更改
- 取消"自动管理"
- 选择安装目录所在的盘（建议 C 盘）
- 设置为自定义大小（50000~100000 MB）
- 点击"设置" → 确定 → 重启电脑
4.3 数据集路径问题
重要：数据集描述文件（YAML）中的path必须从datasets目录开始写起。
# ✅ 正确写法path:datasets/BVN# ❌ 错误写法path:/full/path/to/datasets/BVN4.4 缓存文件问题
YOLOv8 在运行时会在~/.cache/ultralytics/目录下生成缓存文件（cache.yaml），其中记录了数据集路径等信息。
常见问题：
- 如果切换了工作目录或数据集路径，缓存文件中的旧路径会导致找不到数据
- 解决方案：删除缓存文件，重新运行训练命令
# 删除缓存文件rm~/.cache/ultralytics/cache.yaml或者修改源码：在ultralytics/data/utils.py中找到init_dataset_cache_dir方法，注释掉相关代码，强制每次重新生成缓存。
五、本集核心要点回顾
- 数据准备：整理为 images/labels 结构，划分 train/val，放在 datasets 目录下
- YAML 描述文件：path 从 datasets 目录开始写，classes 写类别名称
- 训练命令：
yolo detect train model=yolov8n.pt data=xxx.yaml epochs=100 workers=0 batch=16 - Windows 必须 workers=0：避免多进程问题
- 训练结果：best.pt（最佳模型）、last.pt（最后一轮）、results.png（训练曲线）
- 缓存问题：切换目录时删除 cache.yaml 避免路径错误
感谢阅读，下期更精彩 👋👋👋
