目次
1. AutoDL レンタル コンピューティング パワー クラウド サーバー
2.1. AutoDL クラウド コンピューティング能力のインスタンスを作成する
序文
YOLOv8 は、Ultralytics によって開発された YOLO の最新バージョンです。これは、画像内の複数のオブジェクトを検出し、その位置をマークできるアンカーベースのオブジェクト検出アルゴリズムです。以前のバージョンと比較して、YOLOv8 は精度と速度が向上し、インスタンスのセグメント化タスクもサポートします。
YOLOv8 の利点は次のとおりです。
1. 高速: YOLOv8 は現在、最も高速なターゲット検出アルゴリズムの 1 つです。
2. 高精度: YOLOv8 は精度の点でも優れています。
3. 使いやすさ: YOLOv8 は使用と実装が簡単で、さまざまなアプリケーション シナリオに適しています。
1. AutoDL レンタル コンピューティング パワー クラウド サーバー
2.1. AutoDL クラウド コンピューティング能力のインスタンスを作成する
まずはAutoDL公式サイト(AutoDL-Quality GPU Rental Platform-Rent GPU on AutoDL )に登録し、「コンピューティングパワーマーケット」でGPUを選択します。
現時点では、GPU バージョンの RTX3090を選択し、請求方法は従量課金制であるため、費用が節約されます。
次に、GPU の数が 1 である「Basic Image」を選択し、下図の Pytorch イメージを選択します。ソース コード環境では後で Pytorch が必要になるため、「Create Now」をクリックして、正常に作成されるまでしばらく待ちます。
2. データの準備
ここには、データ セット、ソース コード、PYQT-GUI インターフェイス、トレーニング済みモデル ファイルなど、誰でも学習できる Baidu ネットワーク ディスク リンクがあります。
リンク: https://pan.baidu.com/s/1pkfC4hQPbWr2nYS7ic2fHw?pwd=1zxw
抽出コード: 1zxw
このプロジェクト コードを AutoDL に入れると、JupyterLab を使用してデータをアップロードできます。
Alibaba Cloud ディスクを使用してコードをアップロードすることもできます。
3. 環境整備
上記の AutoDL イメージを準備した後、JupyterLab を使用してターミナル インターフェイスに入り、YOLOv8-PyGUI-fire フォルダーに入り、次の手順に従ってインストールします。
sudo apt update
pip install ultralytics
次に、datasets-train/fire.yaml を開いて、データセット パス、カテゴリ、カテゴリ名などのパラメータを次のように変更します。
4. モデルのトレーニング
yolov8 のトレーニングはコードの形式で実行されます。以下は YOLOv8 に従って書き換えられたコード ケースです。
# train.py
from ultralytics import YOLO
# 加载模型
# model = YOLO('yolov8n.yaml') # 从YAML创建一个新模型
model = YOLO('weights/yolov8s.pt') # 加载预训练模型(推荐用于训练)
# model = YOLO('yolov8s.yaml').load('weights/yolov8s.pt') # 从YAML构建并转移权重
# 训练模型
model.train(data="../datasets-train/fire.yaml",
imgsz=640, # 输入图像的大小为整数或 w,h
epochs=100, # 要训练的次数
batch=64, # 每批次的图像数量(AutoBatch 为 -1)
device=0, # 要运行的设备,即 cuda device=0 或 device=0,1,2,3 或 device=cpu
workers=2, # 用于数据加载的工作线程数(如果是 DDP,则为每个 RANK)
resume=False) # True的时候则从上一个检查点恢复训练
ターミナルを開き、ultralytics-YOLOv8 フォルダーに入り、ターミナルで次のコマンドを入力してトレーニングを開始します。
python train.py
五、PYQT-GUIインターフェース(モデル予測)
Ultralytics-YOLOv8/runs フォルダーをローカル フォルダーにダウンロードしてコピーし、ローカル環境で環境を構成した後、YOLOv8-PySide6-GUI ディレクトリの main.py を実行します。
操作の結果は次のようになります。
GUIインターフェースはBステーションアップマスターのオープンソースインターフェースを流用しています。オリジナルバージョンにはカメラ機能がありません。後から修正してカメラ機能を追加しました。その他の機能は同じです。無料でダウンロードして体験してください。 !
6. 参考文献
参考ソースコード: YOLOv8-ultralytics
参照 GUI インターフェイス: GitHub - Jai-wei/YOLOv8-PySide6-GUI: YoloSide - YOLOv8 GUI By PySide6
参照データセット分類:ターゲット検出 --- データセット形式変換とトレーニングセットと検証セットの分割
参照モデルのトレーニング:トレーニング - Ultralytics YOLOv8 Docs