恢复删除的数据文件案例《from&nbs…

最新推荐文章于 2025-12-04 15:25:15 发布
最新推荐文章于 2025-12-04 15:25:15 发布 · 135 阅读 · 0
文章标签：

#数据库 #运维 #操作系统

本文记录了一次因误删导致的数据恢复实战经历。面对严重数据丢失情况，通过查找后台进程中的文件句柄成功恢复了数据文件，并详细展示了恢复流程，包括文件复制、离线重命名、恢复及在线加载等步骤。

【案例描述】

<wbr><wbr> 2011 年 12 月 30 日,某运营商客户,在遭受数据损失之后请求我们协助进行数据恢复。整个数据灾难的过程如下。</wbr></wbr>

1.<wbr><wbr><wbr><wbr>凌晨,数据库归档日志写满磁盘,因而无法继续归档,数据库服务中断。</wbr></wbr></wbr></wbr>

2.<wbr><wbr><wbr><wbr>在进行空间释放时,删除了一个认为不再需要的目录。</wbr></wbr></wbr></wbr>

3.<wbr><wbr><wbr><wbr>删除目录之后,发现数据库服务受到影响。</wbr></wbr></wbr></wbr>

4.<wbr><wbr><wbr><wbr>经确认,该目录包含 7 个 16GB 大小的在用数据文件。</wbr></wbr></wbr></wbr>

5.<wbr><wbr><wbr><wbr>在试图通过备份来恢复时,发现之前的备份是不成功的。</wbr></wbr></wbr></wbr>

6.<wbr><wbr><wbr><wbr>灾难形成。</wbr></wbr></wbr></wbr>

<wbr><wbr>这是一个由删除引发的严重故障,如果数据不可恢复,灾难影响将是非常严重的。</wbr></wbr>

【数据库环境描述】

OS：HP-UX

数据库版本：Oracle 11.2.0.1


【技术回放】

从告警日志看最初数据库出现的问题是归档日志无法写出，出现归档错误，归档停滞会导致数据库的所有DML事务无法进行，在线业务受到影响。

Fri Dec 30 03:34:33 2011

ARC0: Encountered disk I/O error 19502

ARC0: Closing local archive destination LOG_ARCHIVE_DEST_1:

<wbr><wbr><wbr><wbr>'/archlog/1_6578_765575017.dbf' (error 19502)(com1)</wbr></wbr></wbr></wbr>

ARC0: I/O error 19502 archiving log 5 to'/archlog/1_6578_765575017.dbf'

ARCH: Archival stopped, error occurred. Will continue retrying

ORACLE Instance com1 - Archival Error

ORA-16038: log 5 sequence# 6578 cannot be archived

ORA-19502: write error on file "", block number<wbr><wbr>(block size=512)</wbr></wbr>

ORA-00312: online log 5 thread 1: '/oradata2/redolog5_1.dbf'

ORA-00312: online log 5 thread 1: '/oradata3/redolog5_2.dbf'

ARCH: Archival stopped, error occurred. Will continue retrying

经过处理，在凌晨5点22分左右，归档得以继续，归档进程从失败中被释放出来，但是这位凌晨被吵醒的工程师草率的做出了错误的判断，删除了认为没用的目录，oradata4整个目录在操作系统上被删除，其中的所有数据文件荡然无存，以下是丢失的文件列表和状态，从v$datafile中可以查询得到这些信息

<wbr><wbr><wbr><wbr> TS#<wbr><wbr><wbr><wbr>FILE# NAME<wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>BYTESSTATUS</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

---------- ---------- -------------------------------------------------- -------

<wbr><wbr><wbr><wbr><wbr><wbr>5<wbr><wbr><wbr><wbr><wbr><wbr>229 /oradata4/YDDY_DATA55.dbf<wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr> 0 ONLINE</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

<wbr><wbr><wbr><wbr><wbr><wbr>19<wbr><wbr><wbr><wbr><wbr><wbr>230 /oradata4/EFB01.dbf<wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>0 ONLINE</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

<wbr><wbr><wbr><wbr><wbr><wbr>18<wbr><wbr><wbr><wbr><wbr><wbr>231 /oradata4/undotbs203.dbf<wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>0 RECOVER</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

<wbr><wbr><wbr><wbr><wbr><wbr>9<wbr><wbr><wbr><wbr><wbr><wbr>232 /oradata4/SMS_DATA47.dbf<wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>0 ONLINE</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

<wbr><wbr><wbr><wbr><wbr><wbr>9<wbr><wbr><wbr><wbr><wbr><wbr>233 /oradata4/SMS_DATA48.dbf<wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>0 ONLINE</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

<wbr><wbr><wbr><wbr><wbr><wbr>9<wbr><wbr><wbr><wbr><wbr><wbr>234 /oradata4/SMS_DATA49.dbf<wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>0 ONLINE</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

<wbr><wbr><wbr><wbr><wbr><wbr>5<wbr><wbr><wbr><wbr><wbr><wbr>235 /oradata4/YDDY_DATA56.dbf<wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr> 0 ONLINE</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

而当用户尝试的从备份开始恢复时，发现备份无法还原出来，此前的几次备份都失败了，备份不可用，现在问题就相当严重了。


【恢复重现】

首先找到一个后台进程（如DBWR进程），通过其进程地址找到文件句柄（/proc//fd, fd - File Descriptors），以下就是数据库文件的句柄显示信息，通过拷贝这些文件就可以恢复那些被删除但是尚未消失的数据文件：

bash-2.05$ ps -ef|grep dbw|grep -v grep

oracle<wbr><wbr>762<wbr><wbr><wbr><wbr>1 0<wbr><wbr>Jun 10 ?<wbr><wbr><wbr><wbr> 217:30 ora_dbw0_sxnms</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

bash-2.05$ ls<wbr><wbr>/proc/762/fd</wbr></wbr>

0<wbr><wbr> 12<wbr><wbr>256 260<wbr><wbr>264<wbr><wbr>268 272<wbr><wbr>276<wbr><wbr>280 284<wbr><wbr>288<wbr><wbr>292 296<wbr><wbr>3<wbr><wbr> 303 307<wbr><wbr>311<wbr><wbr>315 319<wbr><wbr>323<wbr><wbr>327 331<wbr><wbr>335<wbr><wbr>339 343<wbr><wbr>347<wbr><wbr>61<wbr><wbr>13<wbr><wbr>257<wbr><wbr>261 265<wbr><wbr>269<wbr><wbr>273 277<wbr><wbr>281<wbr><wbr>285 289<wbr><wbr>293<wbr><wbr>297 300<wbr><wbr>304<wbr><wbr>308 312<wbr><wbr>316<wbr><wbr>320 324<wbr><wbr>328<wbr><wbr>332 336<wbr><wbr>340<wbr><wbr>344 348<wbr><wbr>710<wbr><wbr>14<wbr><wbr>258<wbr><wbr>262<wbr><wbr>266 270<wbr><wbr>274<wbr><wbr>278 282<wbr><wbr>286<wbr><wbr>290 294<wbr><wbr>298<wbr><wbr>301 305<wbr><wbr>309<wbr><wbr>313 317<wbr><wbr>321<wbr><wbr>325 329<wbr><wbr>333<wbr><wbr>337 341<wbr><wbr>345<wbr><wbr>4<wbr><wbr>811<wbr><wbr>2<wbr><wbr> 259 263<wbr><wbr>267<wbr><wbr>271 275<wbr><wbr>279<wbr><wbr>283 287<wbr><wbr>291<wbr><wbr>295 299<wbr><wbr>302<wbr><wbr>306 310<wbr><wbr>314<wbr><wbr>318 322<wbr><wbr>326<wbr><wbr>330 334<wbr><wbr>338<wbr><wbr>342 346<wbr><wbr>5<wbr><wbr>9</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

db2% ls -l |grep oracle

-r--r--r--<wbr><wbr>1 oracle<wbr><wbr>dba<wbr><wbr><wbr><wbr>657920 Apr 26<wbr><wbr>2002 11</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

-rw-r-----<wbr><wbr>1 oracle<wbr><wbr>dba<wbr><wbr><wbr><wbr><wbr><wbr>923 Jun 10<wbr><wbr>2011 12</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

-rw-rw----<wbr><wbr>1 oracle<wbr><wbr>dba<wbr><wbr><wbr><wbr><wbr><wbr> 24 Jun 10<wbr><wbr>2011 13</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

-rw-r-----<wbr><wbr>1 oracle<wbr><wbr>dba<wbr><wbr><wbr><wbr>1859584 Jan<wbr><wbr>5 16:42 256</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

-rw-r-----<wbr><wbr>1 oracle<wbr><wbr>dba<wbr><wbr><wbr><wbr>1859584 Jan<wbr><wbr>5 16:42 257</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

-rw-r-----<wbr><wbr>1 oracle<wbr><wbr>dba<wbr><wbr><wbr><wbr>1859584 Jan<wbr><wbr>5 16:42 258</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

-rw-r-----<wbr><wbr>1 oracle<wbr><wbr>dba<wbr><wbr><wbr><wbr>414195712 Jan<wbr><wbr>5 16:41 259</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

-rw-r-----<wbr><wbr>1 oracle<wbr><wbr>dba<wbr><wbr><wbr><wbr>6291464192 Jan<wbr><wbr>5 16:42 260</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

-rw-r-----<wbr><wbr>1 oracle<wbr><wbr>dba<wbr><wbr><wbr><wbr>161488896 Jan<wbr><wbr>5 16:18 261</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

-rw-r-----<wbr><wbr>1 oracle<wbr><wbr>dba<wbr><wbr><wbr><wbr>20979712 Jan<wbr><wbr>5 16:18 262</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

-rw-r-----<wbr><wbr>1 oracle<wbr><wbr>dba<wbr><wbr><wbr><wbr>26222592 Jan<wbr><wbr>5 16:18 263</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

-rw-r-----<wbr><wbr>1 oracle<wbr><wbr>dba<wbr><wbr><wbr><wbr>10493952 Jan<wbr><wbr>5 16:18 264</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

-rw-r-----<wbr><wbr>1 oracle<wbr><wbr>dba<wbr><wbr><wbr><wbr>473178112 Jan<wbr><wbr>5 16:18 265</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

-rw-r-----<wbr><wbr>1 oracle<wbr><wbr>dba<wbr><wbr><wbr><wbr>1048584192 Jan<wbr><wbr>5 16:40 266</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

-rw-r-----<wbr><wbr>1 oracle<wbr><wbr>dba<wbr><wbr><wbr><wbr>1048584192 Jan<wbr><wbr>5 16:18 267</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

-rw-r-----<wbr><wbr>1 oracle<wbr><wbr>dba<wbr><wbr><wbr><wbr>1048584192 Jan<wbr><wbr>5 16:40 268</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

-rw-r-----<wbr><wbr>1 oracle<wbr><wbr>dba<wbr><wbr><wbr><wbr>1048584192 Jan<wbr><wbr>5 16:40 269</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

-rw-r-----<wbr><wbr>1 oracle<wbr><wbr>dba<wbr><wbr><wbr><wbr>1048584192 Jan<wbr><wbr>5 16:41 270</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

-rw-r-----<wbr><wbr>1 oracle<wbr><wbr>dba<wbr><wbr><wbr><wbr>1048584192 Jan<wbr><wbr>5 16:42 271</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

-rw-r-----<wbr><wbr>1 oracle<wbr><wbr>dba<wbr><wbr><wbr><wbr>1384652800 Jan<wbr><wbr>5 16:18 272</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

在这个案例中，我们拷贝文件恢复之后，创建了一个新的目录（保留原来的目录结构未变动），随后通过offline,rename,recover,online四个步骤恢复这些文件，加载到数据库中。以下是简要的步骤记录。

首先复制文件到新分配的目录空间：

cp /proc/762/fd/266 /new_u02/oradata/cinms_user01.dbf

cp /proc/762/fd/267 /new_u02/oradata/cinms_user02.dbf

cp /proc/762/fd/268 /new_u02/oradata/cinms_user03.dbf

cp /proc/762/fd/269 /new_u02/oradata/cinms_user04.dbf

cp /proc/762/fd/285 /new_u02/oradata/cinms_user07.dbf

cp /proc/762/fd/286 /new_u02/oradata/cinms_user08.dbf

将相应的文件离线：

alter database datafile 8 offline;

alter database datafile 9 offline;

alter database datafile 10 offline;

alter database datafile 11 offline;

alter database datafile 27 offline;

alter database datafile 28 offline;

通过更名（RENAME）的方式对文件进行重定向：

alter database rename file

‘/u02/oradata/cinms_user01.dbf’to ‘/new_u02/oradata/cinms_user01.dbf’;

alter database rename file

‘/u02/oradata/cinms_user02.dbf’ to‘/new_u02/oradata/cinms_user02.dbf’;

alter database rename file

‘/u02/oradata/cinms_user03.dbf’ to‘/new_u02/oradata/cinms_user03.dbf’;

alter database rename file

‘/u02/oradata/cinms_user04.dbf’ to ‘/new_u02/oradata/cinms_user04.dbf’;

alter database rename file

‘/u02/oradata/cinms_user07.dbf’ to‘/new_u02/oradata/cinms_user07.dbf’;

alter database rename file

‘/u02/oradata/cinms_user08.dbf’ to‘/new_u02/oradata/cinms_user08.dbf’;

然后执行恢复：

recover datafile 8;

recover datafile 9;

recover datafile 10;

recover datafile 11;

recover datafile 27;

recover datafile 28;

最后将文件Online加载：

alter database datafile 8 online;

alter database datafile 9 online;

alter database datafile 10 online;

alter database datafile 11 online;

alter database datafile 27 online;

alter database datafile 28 online;

以下是日志中记录的操作日志信息：

Mon Dec 19 18:17:38 2011

alter database datafile 8 offline

Mon Dec 19 18:17:39 2011

Completed: alter database datafile 8 offline

Mon Dec 19 18:18:04 2011

alter database rename file '/u02/oradata/sxnms_user01.dbf'

<wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>to'/new_u02/oradata/sxnms_user01.dbf'</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

Mon Dec 19 18:18:20 2011

ALTER DATABASE RECOVER datafile 8<wbr><wbr></wbr></wbr>

Media Recovery Datafile: 8

Media Recovery Start

Starting datafile 8 recovery in thread 1 sequence 14295

Datafile 8: '/new_u02/oradata/sxnms_user01.dbf'

Media Recovery Log

Recovery of Online Redo Log: Thread 1 Group 1 Seq 14295 Readingmem 0

<wbr><wbr>Mem# 0 errs 0:/u01/oradata/sxnms/redo01.log</wbr></wbr>

Media Recovery Complete

Completed: ALTER DATABASE RECOVER<wbr><wbr>datafile 8</wbr></wbr>

<wbr></wbr>

Mon Dec 19 18:19:00 2011

alter database datafile 8 online

Completed: alter database datafile 8 online

<wbr></wbr>



【案例警示】

<wbr><wbr>分析整个灾难的形成过程，我们总结这次数据灾难给我们的警示是：</wbr></wbr>

1.数据库需要全面的系统规划和监控

2.数据库的破坏性操作需要谨慎

3.数据环境运维必须遵守一定的安全守则

4.数据备份应进行必要的检查和确认

5.避免在疲劳或不清醒状态独自做出重要判断

6.在对故障做出清晰判断之前不要采取贸然措施

iteye_4537
关注
基于YOLOv8的显微镜微生物智能计数系统：从数据集构建到UI界面实现
YOLO
06-24 284
如果没有合适的公开数据集，我们需要构建自己的微生物数据集。图像采集使用显微镜配备数码相机采集图像建议在不同放大倍数(10×, 40×, 100×油镜)下采集保持一致的照明条件保存为无损格式(TIFF或PNG)数据标注使用LabelImg或CVAT等标注工具对每个微生物绘制边界框可根据需要标注不同类别(如球菌/杆菌)数据增强旋转和翻转增加方向多样性调整亮度和对比度模拟不同染色条件添加高斯噪声提高鲁棒性python# 数据增强示例代码。
基于YOLOv10的建筑材料分类系统：从数据集构建到UI界面实现
YOLO
07-05 140
构建一个鲁棒的建筑材料分类系统，首先需要高质量的数据集。: 包含10,000张标注图像，涵盖12类建筑材料: 包含8,500张高分辨率施工现场图像: 包含6,200张带有精细标注的建筑场景图像类别ID类别名称训练样本数验证样本数测试样本数0brick2,5005003001rebar1,8003502502cement2,2004503503wood2,0004003004glass1,5003002005steel1,700350。
在Matlab中通过JDBC连接Oracle&nbs…
wxwpxh的专栏
01-17 787
一、将Oracle JDBC的JAR包拷贝到Matlab的相关目录（$matlabroot/java/jar/toolbox）下 cd /opt/MATLAB/R2012a/java/jar/toolbox/ sudo cp /mybk/JavaLib/MyJDBC/ora/* . (我把oracle的jdbc驱动放在该目录，这个在oracle服务器和客户端都可以找到这四个文件：ojdbc5.j
基于YOLOv8的垃圾分类与回收系统：从数据集构建到UI界面实现
YOLO
06-24 309
一个高质量的垃圾分类数据集是构建有效检测模型的基础。TrashNet：包含6类垃圾(玻璃、纸张、纸板、塑料、金属、其他)的2527张图像，每类约400-500张。：更复杂的垃圾场景数据集，包含60类垃圾的1500张图像，包含室外复杂背景。：来自Kaggle，包含12类垃圾的约15,000张图像。ZeroWaste：专注于食品包装废物的数据集，包含32类的2,500张高分辨率图像。在本项目中，我们将使用扩展版的TrashNet数据集，包含以下10个类别：python复制下载。
yolov8训练自己的数据集（简单最快上手版）
热门推荐
weixin_46446479的博客
07-22 1万+
该文档也包含详细的安装、训练、测试等教程。本篇文章旨在帮助新手快速上手使用YOLOv8进行训练自己特定的数据集。
b站教学案例
weixin_52118017的博客
01-09 1681
初学者可能无法直接找到视频的url，因为b站采取的是音频和视频分开的模式(.m4s). 找到url 这里我先随便找一个url https://www.bilibili.com/video/BV15x41167kg?from=search&seid=2782960511092264812&spm_id_from=333.337.0.0 删减一下: https://www.bilibili.com/video/BV15x41167kg 开打chrome开发者工具，播放视频的同时，发现以下包被
基于YOLOv8的自定义数据集训练与可视化界面开发实战
YOLO
06-28 334
YOLO算法由Joseph Redmon等人于2016年首次提出，其核心思想是将目标检测视为一个回归问题，直接在图像上预测边界框和类别概率。相比于传统的两阶段检测器(如R-CNN系列)，YOLO实现了端到端的检测，具有更快的速度。骨干网络优化：使用了更高效的CSPDarknet53结构特征金字塔增强：改进了PANet结构，增强了多尺度特征融合损失函数改进：采用了CIoU损失和分类标签平滑训练策略优化：引入了Mosaic数据增强和自适应锚框计算选择合适的自定义数据集是训练成功的关键。COCO数据集。
基于YOLOv8的PCB缺陷检测系统（深度学习模型+UI界面+Python代码+训练数据集）
斌擎科技
01-16 1066
YOLOv8 在准确性和速度方面提供了尖端的性能。在前几版 YOLO 的基础上，YOLOv8 引入了新的功能和优化，使其成为各种目标检测任务的理想选择，适用于广泛的应用场景。主要特点先进的主干和颈部架构：YOLOv8 采用了最先进的主干和颈部架构，提升了特征提取和目标检测性能。无锚分割 Ultralytics 头：YOLOv8 采用无锚分割的 Ultralytics 头，相较于基于锚点的方法，能够提供更好的准确性和更高效的检测过程。优化的准确性与速度平衡。
基于YOLOv8的遮挡目标检测与恢复系统：实现与UI界面设计
YOLO
06-27 213
目标检测算法大致可分为两类：两阶段检测器(如R-CNN系列)和单阶段检测器(如YOLO、SSD)。两阶段检测器首先生成候选区域，然后对这些区域进行分类和回归，精度较高但速度较慢。单阶段检测器直接在图像上进行密集预测，速度更快但精度略低。YOLO系列自2015年问世以来，经历了多次迭代，从YOLOv1到最新的YOLOv8，每一代都在速度和精度上有所提升。YOLOv8采用了更高效的网络架构和训练策略，使其成为当前最先进的目标检测器之一。
基于YOLOv8的太空探索目标识别系统：从数据集构建到UI界面实现
YOLO
06-28 233
包含多种航天器的标注图像- 卫星图像中的多目标检测数据集- 虽然不是专门用于太空，但包含类似特征的航空器- 可以自行收集的卫星和太空碎片图像由于专业太空数据集较为稀缺，我们也可以考虑使用合成数据或从NASA等机构的公开图像中自行标注。数据集准备与增强策略YOLOv8模型训练与优化PyQt5用户界面开发系统集成与部署实际应用案例多模态融合：结合红外、雷达等其他传感器数据3D检测：从2D图像推断目标的3D位置和姿态小目标优化：专门针对太空中小目标的检测算法实时系统。
MATLAB算法实战应用案例精讲-【人工智能】语义分割（最终篇）(附实战应用案例及代码实现)
qq_36130719的博客
01-02 2052
SETR 是首个在分割任务上超越 CNN 的 Transformer 网络结构，该论文作者认为，虽然 FCN 及其衍生网络都取得了较好的成绩，但本质上都是 encoder-decoder 的结构，所以，该论文作者想要将分割任务构建成一个 sequence-to-sequence 的结构，所以就提出了一个纯 Transformer 的结构（无 CNN 和分辨率降低）。HRNet 通过将由高到低的分辨率特征结合起来的方式，实现对高分辨率特征的保留，并且不同分辨率的特征也进行了信息交换。
【免费云平台部署指南】按场景选型+全维度对比（附直达地址）
分享技术干货，聚焦AI前沿科技
12-03 983
免费云平台已能覆盖从静态网站到AI模型部署的大部分场景，核心是根据项目类型（静态/后端/AI）、访问地区（国内/国外）和功能需求（数据库/容器/GPU）选择适配平台。新手建议从简单场景入手（如GitHub Pages部署博客、Hugging Face Spaces部署AI Demo），熟悉后再尝试全栈或容器化部署。
001-计算机实验报告之数据库原理实验报告
LF__plus的博客
12-02 254
001-计算机实验报告之数据库原理实验报告 一共四个实验，分别是：1、使用powerdesigner建模；2、在idea里操作数据库；3、在数据库实现多种查询，如简单查询，连接查询，嵌套查询，分组查询等；4、视图创建
python+django/flask+vue的基于协同过滤算法的体育商品推荐系统
最新发布
Q_Q1963288475的博客
12-04 593
相比于传统的体育商品推荐方式，个性化智能的管理方式可以大幅提高体育商品推荐的管理效率，实现了个性化智能体育商品推荐的标准化、制度化、程序化的管理，有效地防止了体育商品推荐的随意管理， 功能主要包括首页、个人中心、用户管理、商品分类管理、商品信息管理、交流论坛、留言板、系统管理、订单管理等功能，从而实现个性化智能体育商品推荐方式，提高个性化智能体育商品推荐的效率。
向量数据库原理
qq_38895905的博客
12-04 282
day22 了解向量数据库原理（相似度检索）
Linux设备管理：从内核驱动到用户空间的完整架构解析
X
12-03 832
A[物理硬件插入/移除] --> B[内核驱动探测]B --> C{Linux统一设备模型 LDM}C --> D[在/sysfs创建对象]C --> E[发送uevent事件]D --> F[用户空间工具<br>lspci, lsusb等]E --> G[UDEV守护进程]G --> H[扫描规则库 /etc/udev/rules.d/]H --> I[匹配并执行规则]I --> J1[创建设备节点 /dev/]I --> J2[设置权限与所有权]I --> J3[执行自定义脚本]
【开题答辩全过程】以 基于Javaweb的电动汽车充电桩管理系统为例，包含答辩的问题和答案
shiji9932的博客
12-03 466
本文介绍了一位14年经验的技术专家可提供的毕设支持服务，包括Java、Python等多语言项目开发与答辩指导。重点展示了一个"电动汽车充电桩管理系统"的答辩案例，详细说明了系统功能（预约管理、费用计算等）、技术实现（SpringBoot+Vue+MySQL）及关键问题解决方案（如预约冲突处理、断电检测机制）。文中提供了答辩问答实录，展现了从选题背景到技术细节的完整答辩过程，并附有评委的正面评价。最后建议学生可参考往届真实开题报告，提供选题指导、源码参考等服务，强调独立完成的重要性，同时表
(yolov8) D:\ultralytics-main>yolo task=detect mode=train model=yolov8n.pt data=data/blueberry.yaml batch=16 epochs=20 imgsz=640 workers=16 device=0 Ultralytics 8.3.207 Python-3.10.18 torch-2.1.1+cu118 CUDA:0 (NVIDIA GeForce RTX 4050 Laptop GPU, 6140MiB) engine\trainer: agnostic_nms=False, amp=True, augment=False, auto_augment=randaugment, batch=16, bgr=0.0, box=7.5, cache=False, cfg=None, classes=None, close_mosaic=10, cls=0.5, compile=False, conf=Non e, copy_paste=0.0, copy_paste_mode=flip, cos_lr=False, cutmix=0.0, data=data/blueberry.yaml, degrees=0.0, deterministic=True, device=0, dfl=1.5, dnn=False, dropout=0.0, dynamic=False, embed=None, epoch s=20, erasing=0.4, exist_ok=False, fliplr=0.5, flipud=0.0, format=torchscript, fraction=1.0, freeze=None, half=False, hsv_h=0.015, hsv_s=0.7, hsv_v=0.4, imgsz=640, int8=False, iou=0.7, keras=False, kob j=1.0, line_width=None, lr0=0.01, lrf=0.01, mask_ratio=4, max_det=300, mixup=0.0, mode=train, model=yolov8n.pt, momentum=0.937, mosaic=1.0, multi_scale=False, name=train20, nbs=64, nms=False, opset=Non e, optimize=False, optimizer=auto, overlap_mask=True, patience=100, perspective=0.0, plots=True, pose=12.0, pretrained=True, profile=False, project=None, rect=False, resume=False, retina_masks=False, s ave=True, save_conf=False, save_crop=False, save_dir=D:\ultralytics-main\runs\detect\train20, save_frames=False, save_json=False, save_period=-1, save_txt=False, scale=0.5, seed=0, shear=0.0, show=Fals e, show_boxes=True, show_conf=True, show_labels=True, simplify=True, single_cls=False, source=None, split=val, stream_buffer=False, task=detect, time=None, tracker=botsort.yaml, translate=0.1, val=True, verbose=True, vid_stride=1, visualize=False, warmup_bias_lr=0.1, warmup_epochs=3.0, warmup_momentum=0.8, weight_decay=0.0005, workers=16, workspace=None Overriding model.yaml nc=80 with nc=2 from n params module arguments 0 -1 1 464 ultralytics.nn.modules.conv.Conv [3, 16, 3, 2] 1 -1 1 4672 ultralytics.nn.modules.conv.Conv [16, 32, 3, 2] 2 -1 1 7360 ultralytics.nn.modules.block.C2f [32, 32, 1, True] 3 -1 1 18560 ultralytics.nn.modules.conv.Conv [32, 64, 3, 2] 4 -1 2 49664 ultralytics.nn.modules.block.C2f [64, 64, 2, True] 5 -1 1 73984 ultralytics.nn.modules.conv.Conv [64, 128, 3, 2] 6 -1 2 197632 ultralytics.nn.modules.block.C2f [128, 128, 2, True] 7 -1 1 295424 ultralytics.nn.modules.conv.Conv [128, 256, 3, 2] 8 -1 1 460288 ultralytics.nn.modules.block.C2f [256, 256, 1, True] 9 -1 1 164608 ultralytics.nn.modules.block.SPPF [256, 256, 5] 10 -1 1 0 torch.nn.modules.upsampling.Upsample [None, 2, 'nearest'] 11 [-1, 6] 1 0 ultralytics.nn.modules.conv.Concat [1] 12 -1 1 148224 ultralytics.nn.modules.block.C2f [384, 128, 1] 13 -1 1 0 torch.nn.modules.upsampling.Upsample [None, 2, 'nearest'] 14 [-1, 4] 1 0 ultralytics.nn.modules.conv.Concat [1] 15 -1 1 37248 ultralytics.nn.modules.block.C2f [192, 64, 1] 16 -1 1 36992 ultralytics.nn.modules.conv.Conv [64, 64, 3, 2] 17 [-1, 12] 1 0 ultralytics.nn.modules.conv.Concat [1] 18 -1 1 123648 ultralytics.nn.modules.block.C2f [192, 128, 1] 19 -1 1 147712 ultralytics.nn.modules.conv.Conv [128, 128, 3, 2] 20 [-1, 9] 1 0 ultralytics.nn.modules.conv.Concat [1] 21 -1 1 493056 ultralytics.nn.modules.block.C2f [384, 256, 1] 22 [15, 18, 21] 1 751702 ultralytics.nn.modules.head.Detect [2, [64, 128, 256]] Model summary: 129 layers, 3,011,238 parameters, 3,011,222 gradients, 8.2 GFLOPs Transferred 319/355 items from pretrained weights Freezing layer 'model.22.dfl.conv.weight' AMP: running Automatic Mixed Precision (AMP) checks... Traceback (most recent call last): File "D:\Anaconda3\envs\yolov8\lib\runpy.py", line 196, in _run_module_as_main return _run_code(code, main_globals, None, File "D:\Anaconda3\envs\yolov8\lib\runpy.py", line 86, in _run_code exec(code, run_globals) File "D:\Anaconda3\envs\yolov8\Scripts\yolo.exe\__main__.py", line 6, in <module> File "D:\Anaconda3\envs\yolov8\lib\site-packages\ultralytics\cfg\__init__.py", line 990, in entrypoint getattr(model, mode)(**overrides) # default args from model File "D:\Anaconda3\envs\yolov8\lib\site-packages\ultralytics\engine\model.py", line 800, in train self.trainer.train() File "D:\Anaconda3\envs\yolov8\lib\site-packages\ultralytics\engine\trainer.py", line 235, in train self._do_train() File "D:\Anaconda3\envs\yolov8\lib\site-packages\ultralytics\engine\trainer.py", line 356, in _do_train self._setup_train() File "D:\Anaconda3\envs\yolov8\lib\site-packages\ultralytics\engine\trainer.py", line 293, in _setup_train self.amp = torch.tensor(check_amp(self.model), device=self.device) File "D:\Anaconda3\envs\yolov8\lib\site-packages\ultralytics\utils\checks.py", line 795, in check_amp assert amp_allclose(YOLO("yolo11n.pt"), im) File "D:\Anaconda3\envs\yolov8\lib\site-packages\ultralytics\models\yolo\model.py", line 83, in __init__ super().__init__(model=model, task=task, verbose=verbose) File "D:\Anaconda3\envs\yolov8\lib\site-packages\ultralytics\engine\model.py", line 153, in __init__ self._load(model, task=task) File "D:\Anaconda3\envs\yolov8\lib\site-packages\ultralytics\engine\model.py", line 297, in _load self.model, self.ckpt = load_checkpoint(weights) File "D:\Anaconda3\envs\yolov8\lib\site-packages\ultralytics\nn\tasks.py", line 1501, in load_checkpoint ckpt, weight = torch_safe_load(weight) # load ckpt File "D:\Anaconda3\envs\yolov8\lib\site-packages\ultralytics\nn\tasks.py", line 1448, in torch_safe_load ckpt = torch_load(file, map_location="cpu") File "D:\Anaconda3\envs\yolov8\lib\site-packages\ultralytics\utils\patches.py", line 120, in torch_load return torch.load(*args, **kwargs) File "D:\Anaconda3\envs\yolov8\lib\site-packages\torch\serialization.py", line 993, in load with _open_zipfile_reader(opened_file) as opened_zipfile: File "D:\Anaconda3\envs\yolov8\lib\site-packages\torch\serialization.py", line 447, in __init__ super().__init__(torch._C.PyTorchFileReader(name_or_buffer)) OSError: [Errno 22] Invalid argument
10-12
如果数据集中的某些文件（如图片或标注文件）的路径过长，也可能导致此问题。可以尝试缩短文件名或减少文件夹嵌套深度。 步骤3：检查文件权限 确保你有权限读写相关文件和目录。特别是在Linux系统中，如果使用sudo...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值