zw_van的博客

yolo classify train data='绝对路径' model=yolov8n-cls.pt epochs=1 imgsz=64。data="数据集的的绝对路径",这里是放所有图片的那个总文件夹，就是train/val/test上面一级的，然后注意一定是绝对路径。results = model.train(data="数据集的的绝对路径", epochs=1, imgsz=64)数字不好看，我们用每个epoch的loss值画一个图像，可以直观的看。其中我们重点关注，loss和accuracy。

好了，现在开尝试预测新的图片，并且让vgg16模型判断是狗还是猫吧。

这行代码实例化了一个Adam优化器，它将用于模型训练过程中参数的更新。

sets = ['train'] #这里是表示只有训练集表示当前的这个脚本，是我们用来处理训练集的，模型通过学习训练集中的特征和标签，去构建预测模型；这样的写法，是便于添加的列表形式，如果项目还需要val和test集，那就直接在sets里面添加这些划分，比如：sets = ['train','val','test']遍历类别：对于每个type_name，检查它是否属于classes。