提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档
YOLOv8训练，适合小白训练，新手YOLOv8训练自己数据集教程！超简单，超详细！！
一、COCO本文数据集训练（标注文本格式为text）
训练四部曲，掌握便可跑！
1.1、YOLOv8深度学习环境搭建及安装
1.1.1 环境详细配置
我的显卡配置为：RTX A4000(16GB)
具体环境：
PyTorch 1.8.1
Python 3.8(ubuntu18.04)
Cuda 11.1
依赖库按照requirements.txt文件安装即可。
1.1.2 安装YOLOv8所需要的ultralytics库
安装YOLOv8所需要的ultralytics库，在1.1.1的环境中，执行下述代码：
pip install ultralytics
1.1.3 下载YOLOv8代码包
下载YOLOv8代码包至此环境中，执行代码如下：
git clone https://github.com/ultralytics/ultralytics.git
自动下载
至此，环境搭建结束！
1.2、准备自己的数据集
1.2.1 coco格式的数据集创建（较为简单，适合新手）
文件夹内容如下：
------coco（文件夹名随便起，不能有中文字符）
---------images
------------train（存放训练集图片）
------------test （存放测试集图片）
------------val （存放验证集图片）
---------tables
------------train（存放训练集标注文件）
------------test （存放训练集标注文件）
------------val （存放训练集标注文件）
1.2.2 新建训练执行简易代码
在YOLOv8包中，新建train.py,代码如下：
from ultralytics import YOLO
# Load a model
# yaml会自动下载
model = YOLO("ultralytics/cfg/models/v8/yolov8ContextAggregation.yaml") # build a new model from scratch
#model = YOLO("d:/Data/yolov8s.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="coco128.yaml", epochs=100, imgsz=640)
此代码在YOLOv8包的存放位置如下图所示：
1.2.3 执行训练指令，自动配置权重和原始数据集
在配置好的环境中，执行训练指令，如下，
python train
然后自动下载原始数据集与权重。等待下载完成即可。
1.3 替换原始数据集为自己的数据集（详细介绍可关注B站:AI学术叫叫兽）
1.3.1 找到原始的数据集，将其删除，将自己的数据集上传，并更名为coco128（原始数据集的名字）
1.3.2 修改coco128.yaml文件中的名字和类别
路径： ultralytics/ultralytics/cfg/datasets/coco128.yaml
做对应修改即可，如果不会修改，直接看本文1.5 路径修改教程即可！
1.4 训练自己的数据集
再次执行训练命令：
python train
即可完成自己的数据集训练。
1.5 yaml文件修改路径教学（重要！必学家人们！）
1.5.1 报错情形
家人们，在数据集训练以及改进模型等情形下，常会遇到修改路径的，导致报错。在此进行阐述，希望能够帮到各位粉丝！
例如下图中遇到的错误：
即：
FileNotFoundError: 'ultralytics/cfg/models/v8/yolov81ContextAggregation.yaml' does not exist
类似错误一般都是路径问题。
1.5.2 错误处理
例如：1. 模型网络配置文件：
读懂路径：ultralytics/cfg/models/v8/yolov8ContextAggregation.yaml
其含义为：ultralytics文件下的cfg文件中的models文件中的v8中的YOLOv8yolov8ContextAggregation.yam文件
2. 数据集路径文件
ultralytics/ultralytics/cfg/datasets/coco128.yaml
打开该文件，找到路径配置，如下：
path: ../datasets/coco128 # dataset root dir
train: images/train2017 # train images (relative to 'path') 128 images
val: images/train2017 # val images (relative to 'path') 128 images
test: # test images (optional)
path表示在根目录下的datasets文件中的coco128 文件夹下
train的路径是 images文件中的train2017 文件夹
其它类似。
对应自己的数据或文件路径进行增加、减少路径或修改名称即可。
总结
对于小白，文字教程总是显得苍白无力，对此我在B站上传了相关的视频详解。请关注B站博主：AI学术叫叫兽
更多SCI写作技巧和创新点以及YOLO模型改进源代码等资源，均在B站上传。点开博主主页，在工房中！