【PY模型训练】最终测试

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

1. 删除ultralytics库 pip uninstall ultralytics -y
2. 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

1. 按D下一张。
2. 按A上一张。
3. 按空格键保存。
4. 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

1. 将标注完的图片及标签文件复制粘贴10次
2. 修改文件名称（不能含有中文名称）
3. 打开资料包-->代码-->文件改名.py文件

1. 在命令行，激活虚拟环境activate mmyolo
2. 进入代码存放，路径 复制文件地址 cd D:\桌面\IEPD\资料包\代码
3. python 文件改名.py
4. 运行python 文件改名.py
5. 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）

1. 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）
2. 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-test\mydata.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

1. R值普遍在0.95以
2. mAP50值普遍在0.9以上
3. 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-test\runs\detect\train11"\best.pt format=onnx opset=13