Anacoda3 安装
1. conda -V
2.conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
3.打开.condarc文件,将下面内容直接放入.condarc文件里面
channels: - conda-forge - defaults show_channel_urls: true default_channels: - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
一、激活虚拟环境
Conda activate mmyolo
二、配置 pip 镜像源
pip config set global.index-url Simple Index
三、更新 ultralytics 包
- 删除ultralytics库 pip uninstall ultralytics -y
- 安装ultralytics库 pip install ultralytics
四、将保存的5张图片放在images文件夹中
五、打开classes.txt文件，将标注的形状名称给依次填进去
六、数据标注
- 完成之后就可以看到将要标注的图片
七、开始标注
注：标注框的大小要贴合物体形状，不可留下大面积空白
可以使用w快捷键将形状给框起来并选择对应的类别
- 按D下一张。
- 按A上一张。
- 按空格键保存。
- 所有的形状都需要画框框(除了一半的形状)，标注完成之后保存，这时我们可以打开labels文件夹查看我们标注的数据。
八、标注的值（w里面修改）
说明：这里要特别注意！
九、复制粘贴
- 将标注完的图片及标签文件复制粘贴10次
- 修改文件名称（不能含有中文名称）
- 打开资料包-->代码-->文件改名.py文件
- 在命令行，激活虚拟环境activate mmyolo
- 进入代码存放，路径 复制文件地址 cd D:桌面IEPD资料包代码
- python 文件改名.py
- 运行python 文件改名.py
- 没有任何输出代表运行成功
十、数据集切分
1.训练集train和测试集test的切分比例为0.8:0.2
2.可以使用图片的总数量去乘以数据集的比例获得不同的数据集数量
3.开始训练，文件路径：D:桌面IEPD资料包代码yolov8-test
- 训练参数文件（mydata.yaml）修改（可使用电脑自带的记事本打开进行修改）
- Names:标签类别 （训练标签的所有类别名称必须跟classes.txt文件的名称和顺序一致）
- Nc:标签个数 （names有多少个标签就填多少个）
十一、命令训练模型
1.每次训练之前都需要先激活虚拟环境（activate mmyolo）
2.修改 train.py 中的参数
- "D:桌面IEPD资料包代码yolov8-testmydata.yaml"
3.最终输入结果
activate mmyolo
d:
cd D:桌面IEPD资料包代码yolov8-test
python train.py
十一、训练结果
- R值普遍在0.95以
- mAP50值普遍在0.9以上
- mAP50-95值普遍在0.85以上
十二、将模型文件转换成onnx格式
先激活虚拟环境（activate mmyolo）
模型路径：
点击 复制文件路径
复制好的模型路径替换在模型路径位置即可
注意:弄这个之前一定要先输入 pip install onnx 命令
复制文件目录尾巴＋上best.pt（模型路径）
yolo export model=模型路径 format=onnx opset=13
yolo export model="D:桌面IEPD资料包代码yolov8-testrunsdetecttrain11"best.pt format=onnx opset=13
