一、安装虚拟环境

YOLO训练使用的是Python环境，这里下载Anaconda这个软件，使用虚拟环境。官网下载，清华源下载

• 安装Anaconda并启动后，新建一个虚拟环境，名字为yolotest，python选择3.8.19
• 选择yolotest右边的绿色三角号按钮，会弹出选项，选择Open Terminal选项，进入了终端
• 终端前面带有yolotest说明成功了

二、安装软件

• 在终端依次输入输入以下命令

  pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple/
  pip config set install.trusted-host pypi.tuna.tsinghua.edu.cn
  pip install yolo==0.3.1
  pip install ultralytics==8.2.79
  pip install ncnn==1.0.20240410
  pip install labelimg

• 验证yolo是否安装成功
• 验证labelimg是否安装成功

三、创建训练目录

• 新建一个名为yolotrain文件夹 ,也可以是其他名称,这里的例子是在E盘的yolotrain文件夹。
• 在yolotrain中新建labels和images文件夹，在images文件夹新建test,train,val三个文件夹，在labesl下面新建train,val两个文件夹。
• images文件夹下面的test,train,val三个文件夹，全部存放相同的要训练的图片，例如train下面是 1.png,2.png，将这个两个文件复制一份到val，再复制一份到test。
• labels下面的train,val两个文件夹存放的是用labelimg标注的标签数据文件，等会 labelimg 使用会用到这个文件夹。

四、标注数据

• 将准备好的图片放到images/train文件夹，下面并且复制一份到images/val和images/test两个文件夹
• 接上步骤配置环境的命令控制台,输入labelimg命令，即可打开labelimg程序
1. 点击Open Dir按钮，选择到你的images/train文件夹即可，例如E:/yolotest/images/train
2. 点击Change Save Dir按钮，选择到你的labels/train文件夹即可，例如E:/yolotest/labels/train
3. 点击Save下面的格式按钮，调整到YOLO格式的模式即可,请看下图
• 下面开始标注数据,例子是点赞和评论按钮
1. 在图片上右键菜单，选择Create RectBox选项，或者点击左侧的Create RectBox
2. 在点赞图片区域拉出选框，会弹出框，输入分类名称，这里填写的是aixin，点击ok即可保存 ，这分类名称注意后面函数调用要用到
3. 在评论图片区域拉出选框，会弹出框，输入分类名称，这里填写的是pinglun，点击ok即可保存
4. 第一个图片标注完成后，点击左侧的Save按钮保存，然后点击Next Image切换标注下一张图片，操作和第一张图片类似
5. 图标标注保存后，会在labels/train文件夹存储了标注的数据，classes.txt内容就是分类名称，其他的是和图片相同的名称的txt标注文件
6. 将labels/train文件夹数据复制到labels/val文件夹，等会验证模型的时候使用

五、训练模型

• 在yolotrain目录下新建一个训练的配置文件，例如文件名称叫aixin.yaml，使用记事本打开，填写内容如下

  path: E:/yolotrain
  train: images/train
  val: images/val
  test: images/test
  nc: 2
  names: ["aixin","pinglun"]

• 参数解释：
1. path: 代表训练的根目录，这里的 yolotrain 在E盘，就写 E:/yolotrain，其他盘的路径自己修改
2. train: 代表要训练的图片文件夹,相对于path路径
3. val: 代表要验证的图片文件夹,相对于path路径
4. test: 代表要测试的图片文件夹,相对于path路径
5. nc: 代表分类名称数量，这是2个，因为使用labelimg标注的是2个类别，如果是多个数据就跟和实际类别数量一样的即可
6. names: 是一个json数组，代表的是标注的分类名称，labelimg使用的是aixin和pinglun两个分类名称，这里就这样写即可
7. 名称的顺序不要写错，会影响训练结果
• 开始训练：
1. 在cmd窗口，输入 e:/ 回车，在输入 cd yolotrain，进入这个文件夹 yolotrain，其他路径自行进入
2. 训练命令，下面两个任选一个，截图参数看ultralytics官网

   yolo detect train data=e:/yolotrain/aixin.yaml model=e:/yolotrain/yolov8s.pt imgsz=640
   
   yolo detect train data=e:/yolotrain/aixin.yaml model=e:/yolotrain/yolov8s.pt epochs=100 imgsz=640

3. 这个时候系统会下载yolov8s.pt的基础训练文件，如果下载失败，直接本章节的开头，直接下载demo文件，然后解压复制yolov8s.pt到 e:/yolotrain/ 官网下载地址 github下载地址
4. 环境配置成功，一切无误，开始训练中
5. 训练完毕，注意这里的 Results saved后面的路径是动态的，截图中是在 runs/detect/train文件夹下，就是E:/yolotrain文件夹下
6. 在训练完成的目录中可以找到 best.pt 的训练模型以及训练中被标记和选中目标的图片结果集

六、验证模型

• cmd控制台输入命令,model 参数代表是 需要验证的模型, data 代表检测的配置

  yolo detect val data=e:/yolotrain/aixin.yaml  model=e:/yolotrain/runs/detect/train/weights/best.pt

• 验证结果，这里的 Results saved后面的路径是动态的，请到对应的文件下查看图片标注结果

七、导出模型

训练出来的best.pt还不能用于手机端，需要导出ncnn格式（下载best.tar.gz文件，解压后包含best-sim.param和best-sim.bin两个文件,模型的名字为best-sim）才能用于手机端。