【保姆级教程】YOLOv8_Cls图像分类：训练自己的数据集

一、YOLOV8环境准备

1.1 下载安装最新的YOLOv8代码

 仓库地址： https://github.com/ultralytics/ultralytics

1.2 配置环境

  pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

二、数据准备

我这里准备了猫和狗的图片，按类别名准备好，文件夹名就是分类的类别名，后面将不需要再需要yaml配置文件：
在这里插入图片描述

三、训练

3.1 下载预训练权重

在YOLOv8 github上下载预训练权重：yolov8n-cls.pt，ultralytics\ultralytics\路径下,新建weights文件夹，预训练权重放入其中。
在这里插入图片描述

4.2 训练

步骤一：修改ultralytics\ultralytics\cfg\default.yaml文件中的训练参数（根据自己的实际情况决定）
步骤二：执行下面代码：（建议使用绝对路径）

#训练YOLOv8图像分类代码
from ultralytics import YOLO

# Load a model
model = YOLO('D:/study/cnn/yolo/ultralytics/weights/yolov8n-cls.pt')

# Train the model
# 直接使用分类的数据集地址
results = model.train(data='D:/study/cnn/yolo/ultralytics/cls-data/', epochs=700, imgsz=640)

在这里插入图片描述

五、验证

# 验证YOLOv8图像分类代码
from ultralytics import YOLO

# Load a model
model = YOLO('D:/study/cnn/yolo/ultralytics/runs/classify/train3/weights/best.pt')

# Train the model
results = model.val(data='D:/study/cnn/yolo/ultralytics/cls-data/', epochs=700, imgsz=640)

在这里插入图片描述
查看模型验证的其中两张图片结果

六、推理

根据自己实际的情况，修改路径（建议使用绝对路径）

# YOLOv8图像分类推理代码
from ultralytics import YOLO

# Load a model
model = YOLO('D:/study/cnn/yolo/ultralytics/runs/classify/train3/weights/best.pt')

# Predict with the model
results = model('D:/study/cnn/yolo/ultralytics/cls-data/train/cat/1.jpg',save=True)  # predict on an image