yolo8训练模型中遇到的问题

1.遇到的第一个问题就是不知道该怎样去使用自己的数据集训练模型。

        第一步：是在GitHub上下了yolo8（yolo本地测试也可以正常运行），但是不知道该怎么用自己的数据集。

再把自己的数据存放到datasets下就好，再将images和labels都分成train和val（images和labels里的图片命名要保持一致！）至于labels怎么根据images生成，可以去看看别的博主的，我搜的时候看见过好几个，这里不再过多赘述。

至于测试数据集，看自己情况，test也是分成images和labels。（labels为.txt文件夹）

 第二步：其实在根目录下边创建一个.yaml和train.py文件就好。

yaml文件就是定义自己数据集的位置以及标签的名称。我的yaml内容如下：

我们只需要把yolo文件夹cfg文件夹下的coco8.yaml复制到根目录下，改成自己的data.yaml文件就好。

在根目录下，创建一个train.py，train.py是用来训练自己的模型的。其实就两行代码。

相关的具体参数这里也不再过多赘述。windows系统的话建议works设为0，要不然容易报错！

2.当模型正常训练后，我遇到了第二个问题：有报错，'str' object has no attribute 'items'

这个问题很简单，就是你的yaml文件少空格了！！

我都加上空格之后就好了。

3.模型训练完成后，会将计算好的 权重保存到保存到runs/train3/weights下

best.pt为最好，last.pt为最差。

好！现在模型训练好了，就差预测了。

在根目录创建一个predict.py，也就几行代码。

# 导入ultralytics的YOLO库
from ultralytics import YOLO

# 加载模型
model = YOLO('runs/detect/train3/weights/best.pt')  # 加载自定义的训练模型

if __name__ == '__main__':
    results = model.predict(
        "datasets/fire-8/test/images",save=True)

运行结束后，会将预测后的结果保存到runs下的predict文件夹下。这是出现了第三个问题。

3.调用自己训练后的模型，发现没有预测结果，也就是所谓的标签框

这个问题困惑了我好久，下面直接说发现这个问题的具体过程以及解决方法：

我发现在runs/train3下的results.csv文件中的val/box_loss，val/cls_loss，val/dfl_loss这三列的数据显示为nan，这就很奇怪。

直接说解决办法：

在cfg文件夹下找到default.yaml，将其中的amp改为False！

之后再重新训练，就恢复正常了，可以使用自己训练的模型进行预测！！！

完结撒花！