YOLOV8训练、验证和UI界面部署时可能问题的解决办法

YOLOV8的训练、验证、测试

        为了训练一个基于YOLOv8的手势识别模型，我使用了HaGRID数据集，在完成数据集的标注后，我们就可以将其应用到YOLOV8的训练当中（标注时，务必记住每个手势所对应的顺序，因为模型会对每一类标记的手势分配一个数字做为该类的象征数，比如用0表示call这个手势，而1表示dislike等，这些类对应的数字，我们要修改在训练所需要的__yaml文件当中）。

        在开始训练前，我先创建了3个文件夹，分别对应了训练集、验证集、测试集。其中我将每个集对应的label（标签）和图像数据（image）直接放一个数据集中，因为label的名和图像的名是一一对应的。

        分配好训练集、验证集、测试集，我们需要修改__.yaml文件，我的handgestur.yaml内容如下：

# Ultralytics YOLO 🚀, AGPL-3.0 license
# COCO128 dataset https://www.kaggle.com/ultralytics/coco128 (first 128 images from COCO train2017) by Ultralytics
# Example usage: yolo train data=coco128.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── coco128  ← downloads here (7 MB)
 
 
# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: /root/autodl-tmp/yolo/pythonProject/datasets  # dataset root dir
train: handgesture/Train/train
val: handgesture/Val/val
test: handgesture/Test
 
# Classes
names:
    0: call
    1: dislike
    2: fist
    3: four
    4: like
    5: mute
    6: ok
    7: one
    8: palm
    9: peace
    10: rock
    11: stop
    12: stop_inverted
    13: three
    14: two_up
    15: two_up_inverted
    16: three2 
    17: peace_inverted
    18: no_gesture

        其中train、val、test指的是训练、验证、测试的路径，输入对应的地址即可。names中输入对应编号的手势即可。

        接下来，打开终端（Anaconda Prompt），我使用的是Linux，打开终端后输入指令