【官方YOLOV10代码训练验证自己的数据集】

***************************************************

码字不易，收藏之余，别忘了给我点个赞吧！

***************************************************

Start

官方YOLOV10代码训练验证自己的数据集

官方论文：https://arxiv.org/abs/2405.14458

1.下载官方代码

下载地址：https://github.com/THU-MIG/yolov10/tree/main

进入网址后，先点击code按钮，再点击Download ZIP，下载的文件是一个压缩包：yolov10-main.zip
在这里插入图片描述

2.解压压缩包文件

解压后，文件夹里的内容如下图所示：
在这里插入图片描述

3.下载模型预训练权重文件

YOLOV10N：https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10n.pt
YOLOV10S：https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10s.pt
YOLOV10M：https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10m.pt
YOLOV10B：https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10b.pt
YOLOV10L：https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10l.pt
YOLOV10X：https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10x.pt

作者此处下载的是YOLOV10N的预训练权重，将权重文件放置在项目文件夹yolov10-main中，如下图所示：
在这里插入图片描述

4. 新增my_train.py文件

在项目文件夹yolov10-main下新建一个my_train.py文件，将以下代码复制保存到该文件中。

from ultralytics import YOLOv10

model = YOLOv10('yolov10n.yaml').load('yolov10n.pt')
# Train the model
results = model.train(data='a_tb.yaml',
                      epochs=200,
                      imgsz=640,
                      batch=16,
                      optimizer='SGD',lr0=0.01,device=0)

在这里插入图片描述

5. 新建数据集文件夹

在pycharm中打开项目文件夹yolov10-main，按照yolo数据集的标准准备好图像和标签文件，作者此处的数据集文件夹为a_tb_data，里面有train,val,test三个文件夹，请按照以下形式准备好数据集
在这里插入图片描述

6. 修改yolov10n.yaml文件

打开文件: yolov10-main/ultralytics/cfg/models/v10/yolov10n.yaml ，修改nc的值，若要检测的目标为n种，则值为n，作者数据集检测的目标为1种，因此n=1。
在这里插入图片描述

7. 新增a_tb.yaml文件

在yolov10-main/ultralytics/cfg/datasets文件夹下新增一个文件a_tb.yaml，将以下代码块复制到该文件中保存。path表示数据集a_tb_data的路径，names:表示类别的名称，依次用0,1,2,3表示。

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: C:\Users\22120\Desktop\yolov10-main\a_tb_data # dataset root dir
train: train/images # train images (relative to 'path') 1052 images
val: test/images # val images (relative to 'path') 225 images
test: test/images # test images (relative to 'path') 227 images

# Classes
names:
  0: tb
  #1: car
  #2: pig

8. 开始训练模型YOLOV10N

打开my_train.py，model.train中可以修改相应的参数，参数的名称来自yolov10-main/ultralytics/cfg/default.yaml 文件，作者这里只进行简单配置，配置完信息后，鼠标右键run，如下图所示。
在这里插入图片描述

9. 查看运行结果

等待运行结束后，在yolov10-main/runs/detect文件夹下会生成新的train文件夹，里面记录了训练过程、验证过程、最优模型权重等等。
在这里插入图片描述

10. 验证YOLOV10N模型

首先新增my_val.py文件，复制以下代码至该文件保存，其中runs/detect/train/weights/best.pt 则是训练完成后生成的权重文件路径。

from ultralytics import YOLOv10

# Load a model

model = YOLOv10('runs/detect/train/weights/best.pt')  # load a custom model

# Validate the model
metrics = model.val(data='a_tb.yaml',
                    batch=16)  # no arguments needed, dataset and settings remembered
metrics.box.map    # map50-95
metrics.box.map50  # map50
metrics.box.map75  # map75
metrics.box.maps   # a list contains map50-95 of each category