問題
當你使用YOLOv8命令行訓練模型的時候,如果當前執行的目錄下沒有相關的預訓練模型文件,YOLOv8就會自動下載模型權重文件。這個是一個正常操作,但是你還會發現,當你在參數model中指定已有的,在其他目錄下的預訓練模型文件,YOLOv8還是會一樣去下預訓練模型文件,直接無視model參數指定,于是多數開發者都是確保在當前目錄下有YOLOv8模型預訓練文件,然后再從當前目錄下執行下面的命令行訓練:
yolo task=detect mode=train model=yolov8n.pt epochs=5 batch=1 data=D:pythonmy_yolov8_train_demodm_dataset.yaml
解決
無法從任意一個目錄下發起YOLOv8模型訓練是個問題!要解決這個問題其實很簡單,YOLOv8是有個全局設置參數的,它支持從設置的目錄下尋找預訓練權重文件,同時支持把訓練結果保存到指定目錄下。這樣設置好以后,我們就可以從任意目錄下發起YOLOv8模型訓練了,YOLOv8框架默認支持通過命令行修改這些設置參數的。
檢查配置
yolo settings

修改配置

常用的配置選項支持:


簡單粗暴,直接修改配置文件拉倒了,修改好了以后,我真的可以了
C:UsersAdministratorAppDataRoamingUltralyticssettings.yaml直接改上面這個文件內容,改完保存一下即可!再重啟命令行,就可以從任何目錄下開啟YOLOv8模型訓練,它再也不會每次都去下載預訓練模型文件了。也不會到處亂保存模型訓練結果了。

這次是真的可以了。
審核編輯:湯梓紅
聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。
舉報投訴
-
參數
+關注
關注
11文章
1869瀏覽量
33943 -
命令行
+關注
關注
0文章
83瀏覽量
10759 -
模型訓練
+關注
關注
0文章
21瀏覽量
1546
原文標題:YOLOv8 實現 任意目錄下 命令行訓練
文章出處:【微信號:CVSCHOOL,微信公眾號:OpenCV學堂】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
熱點推薦
在STM32實現命令行
工作中的開發環境都是基于linux命令行交互,作為命令行的重度使用者,玩單片機也要使用命令行工具,百度了一些命令行工具,有幾個不錯的開源 cmd 交互工具,主要看了 finsh
發表于 12-09 11:32
?3637次閱讀
目標檢測算法再升級!YOLOv8保姆級教程一鍵體驗
YOLO作為一種基于圖像全局信息進行預測的目標檢測系統,始終保持著極高的迭代更新率,從YOLOv5到YOLOv8,本次升級主要包括結構算法、命令行界面、PythonAPI等。具體到YOLOv8
linux虛擬機怎么調出命令行
在Linux虛擬機中調出命令行界面,可以通過以下步驟實現: 打開虛擬機,進入到Linux系統。 在桌面或應用菜單中找到終端或命令行圖標,點擊打開。 輸入命令行指令,執行相應的操作。 另
linux切換到命令行模式
在Linux中,可以通過以下步驟切換到命令行模式: 打開終端。可以在應用菜單中找到終端或命令行終端。 在終端中輸入命令“exit”或“logout”,然后按回車鍵。 系統會提示您輸入管理員密碼。輸入
基于YOLOv8的自定義醫學圖像分割
YOLOv8是一種令人驚嘆的分割模型;它易于訓練、測試和部署。在本教程中,我們將學習如何在自定義數據集上使用YOLOv8。但在此之前,我想告訴你為什么在存在其他優秀的分割模型時應該使用YOLO
RV1126 yolov8訓練部署教程
YOLOv8 是 ultralytics 公司在 2023 年 1月 10 號開源的基于YOLOV5進行更新的 下一個重大更新版本,目前支持圖像分類、物體檢測和實例分割任務,鑒于Yolov5的良好表現,
YOLOv8實現任意目錄下命令行訓練
評論