首先要配置文文件
1-配置数据集的yaml文件：
目录在ultralytics/cfg/datasets/下面：
例如我的：
(这里面的yaml文件在/ultralytics/cfg/datasets下面有很多，可以找几个参考一下)
path: /path/to/eye_datasets # dataset root dir
train: train/images # train images (relative to 'path') 4 images
val: valid/images # val images (relative to 'path') 4 images
# test: images/test # test images (optional)
# Classes
names:
0: eye
2- 配置.config/Ultralytics/settings.yaml 文件（/root/.config/Ultralytics/settings.yaml）
例如我的（更改了datasets_dir、weights_dir、runs_dir的路径）：
settings_version: 0.0.4
datasets_dir: /share1/luli/yolov8/dataset/eye_datasets
weights_dir: /share1/luli/yolov8/eyeCodes/weights
runs_dir: /share1/luli/yolov8/eyeCodes/runs
uuid: 858bd79f1fda6637d7c2de0b0427e31d0157b9b3249c78658e02fe4956764daf
sync: true
api_key: ''
clearml: true
comet: true
dvc: true
hub: true
mlflow: true
neptune: true
raytune: true
tensorboard: true
wandb: true
训练代码
from ultralytics import YOLO
# 加载模型
model = YOLO('yolov8n.pt') # 加载预训练模型（推荐用于训练）
# 使用1个GPU训练模型
results = model.train(data='/path/to/ultralytics/cfg/datasets/eyes.yaml', epochs=100, imgsz=640, device=[0])
训练完成：文章来源：https://www.toymoban.com/news/detail-812073.html
文章来源地址https://www.toymoban.com/news/detail-812073.html
注意事项：
import os, sys
sys.path.append("/share1/luli/yolov8")
将"/share1/luli/yolov8"这个里面下面的搜索范围添加到当前的文件里面。
from ..ultralytics import YOLO ..表示在上上一级目录
到了这里，关于ylov8的训练和预测使用（目标检测）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
