YOLOv8训练自己数据集
看了网上好多YOLOv8训练自己数据集的帖子，都存在一个问题，在远程服务器上该怎样部署？下面是我的步骤：
1.前往github下载源码
GitHub - ultralytics/ultralytics: NEW - YOLOv8 in PyTorch > ONNX > CoreML > TFLite
2.准备自己的数据集
新建dataset文件夹，文件夹文件如图所示
其中VOCdevkit中目录，Annotations中存放所有xml标签，JPEGImages中存放所有图像，txt文件中为所有txt标签
images和labels中的文件夹都一样，images中存放图像，labels中存放标签（txt文件）
到此，数据集制作就完成了，如果有想要划分数据集图像的代码，可以关注留言，我可以看到
3.配置文件修改
在yolov8下新建data.yaml
其中的内容如图所示
train: ./dataset/images/train # train images (relative to 'path') 128 images
val: ./dataset/images/val # val images (relative to 'path') 128 images
test: ./dataset/images/test
nc: 3
# Classes
names: ['类别1','类别2','类别3']自己替换类别和个数
4.权重下载
Releases · ultralytics/assets · GitHub
自己下载权重哈！！！一般就是yolov8n.pt, yolov8s.pt , yolov8l.pt, yolov8x.pt，自己需要哪个下载哪个
下载好后，直接放在yolov8下。
5.其实这里大家如果需要调参，可以去下面的路径调整
具体怎么调，这是个玄学！！！自己把握
6.新建训练文件。其实这里是可以进入下图路径中去运行的，但是，各位不觉的难搞吗？直接整一个接口文件。
在yolov8下新建train.py，内容如下：
from ultralytics import YOLO
model = YOLO("weights/yolov8n.pt")
results = model.train(data="data.yaml",imgsz=640, epochs=300, batch=16, device=0, workers=4)这里我就用yolov8n了，也就是模型最小，速度最快的那位！！
其次，这里的imgsz根据自己数据集选择，不要太大！！batch一般就是4，16，32，64，自己选。但是越大模型收敛越快！！！works我选择的4，如果自己设备好，可以考虑8个线程。
7.终于准备完了！！！上传到云服务器，我用的是恒源云，你们可以根据自己情况选择。上传命令的话，恒源云官方文档都有，如果有实在不会的小伙伴，记得评论区留言！我会应粉丝要求，出一篇博客，如何使用云服务器！
8.云服务器处需要修改部分。一般都是上传到hy-tmp下。
9.高能预警！！！！！！！
此处需要将datasets数据集复制到与yolov8同级目录下！！！
原因是遇到以下报错！！！！真的是，恶心至极，竟然找不到数据集！！！原因是因为Ubuntu下的远程服务器中的setting设置导致的，因此，要把数据集dataset复制一份，挪到datasets（自己新建一个）中。
RuntimeError: Dataset 'data.yaml' error ❌
Dataset 'data.yaml' images not found ⚠️, missing paths ['/hy-tmp/datasets/dataset/images/val']
Note dataset download directory is '/hy-tmp/datasets'. You can update this in '/root/.config/Ultralytics/settings.yaml'10.开始训练。python train.py
可以看到终于运行成功了！！！
11.验证模型性能
对于我们这种科研狗，还是得有这一步的，毕竟这一步可比结果重要
还是在yolov8目录下新建val.py。此时切记，训练的最好的best.pt放在yolov8目录下。这里的batch=1这就是评估每一张图像（切记切记！！），devices=0代表gpu个数
from ultralytics import YOLO
model = YOLO("best.pt") #用于迁移训练的权重文件路径
results = model.val(data="data.yaml",batch=1, device=0,save=True)最终python val.py运行成功！本人的实验数据保密！！
当然，大家有问题可以在评论区留言，当然有时候可能系统信息太多可能会漏，大家可以在b站发消息给我！如果有必要我会在b站出对应视频教程，需要的可以在下面关注小编，评论区写上视频
