huolongshe 6e2c6ba87d init commit		1 month ago
imgs	init commit	1 month ago

.gitignore	init commit	1 month ago

README.md	init commit	1 month ago

pip-install-reqs.sh	init commit	1 month ago

requirements.txt	init commit	1 month ago

train.py	init commit	1 month ago

yolov8n.pt	init commit	1 month ago

README.md

启智平台使用天数智芯算力基于YOLOv8训练对象检测模型（以肾结石检测模型为例）

启智平台使用天数智芯算力基于YOLOv8训练对象检测模型（以肾结石检测模型为例）

YOLOv8简介

YOLOv8 是一个支持多种计算机视觉任务的人工智能框架。该框架可用于执行对象检测、分割、分类、姿态估计和定向边框检测(OBB)等不同类型的任务。

YOLOv8官方提供了针对这几类任务的基础预训练模型，每类任务模型根据尺寸大小又分为n, s, m, l和x等5个档次，其中n最小，x最大。用户可以直接使用这些预训练模型来进行推理以完成特定的任务。但在更多的情况下，用户需要使用自己的数据集在这些基础预训练模型的基础上进行微调训练来得到更适合于自己应用场景的专有模型。YOLOv8提供了非常简单方便的接口用来执行这类微调训练操作。

YOLOv8官方提供的基础预训练模型主要包括：

对象检测模型
- yolov8n
- yolov8s
- yolov8m
- yolov8l
- yolov8x
支持80种COCO数据集物体的检测。
对象检测和分割模型
- yolov8n-seg
- yolov8s-seg
- yolov8m-seg
- yolov8l-seg
- yolov8x-seg
支持80种COCO数据集物体的检测（同对象检测模型）。
图像分类模型
- yolov8n-cls
- yolov8s-cls
- yolov8m-cls
- yolov8l-cls
- yolov8x-cls
支持1000种ImageNet数据集物体的图像分类。
人体姿势估计模型
- yolov8n-pose
- yolov8s-pose
- yolov8m-pose
- yolov8l-pose
- yolov8x-pose
可用于检测和识别人体轮廓中17个关键点位置。
定向边框对象检测模型
- yolov8n-obb
- yolov8s-obb
- yolov8m-obb
- yolov8l-obb
- yolov8x-obb
可检测特定物体的旋转多边形轮廓，以最大限度较小误差地确定该物体的轮廓位置。支持检测以下物体多边形轮廓：['飞机', '船', '储罐', '棒球场', '网球场', '篮球场', '田径场', '港口', '桥梁', '大型车', '小型车', '直升机', '环岛', '足球场', '游泳池']

以上YOLOv8官方基础预训练模型都已经上传至OpenI模型广场，在启智云脑平台调试或训练模型时可以按需搜索来导入这些模型。

在OpenI平台使用天数智芯算力训练基于YOLOv8的对象检测模型

本代码仓以肾结石检测应用为例，演示如何在OpenI平台使用天数智芯算力训练基于YOLOv8的对象检测模型。

数据集准备

在训练YOLOv8模型之前，首先需要根据YOLOv8要求的格式准备数据集。

符合YOLOv8对象检测模型训练的数据集目录结构如下：

模型样本文件

其中需要包含train、valid和test等3个文件夹（test可选），每个文件夹下面又包含images和labels两个子文件夹。

images子文件夹下为一系列.jpg后缀的样本图像文件。

labels子文件夹下为一系列.txt后缀的样本标注文件，每个文件名除后缀外应与images子文件夹下面的图像文件名一一对应。

labels子文件夹下每个.txt标注文件内容为一行行的对应图像标注内容，示例如下：

其中每一行标注图像中一个物体的类别和位置，第一列为物体类别号，第2、3列为物体中心位置归一化坐标，第4、5列为物体归一化宽高值。
数据集指引文件

数据集文件夹下的 data.yaml 为数据集指引文件，内容如下：

其中nc为新模型可检测对象数量，names为新模型可检测对象名称列表。

数据集准备好后，需打成.zip压缩包上传至OpenI平台。本示例肾结石检测数据集在OpenI中的数据集名称为：kidney-stone-detection-yolov8。

编写训练脚本

参见本代码仓中的train.py文件：

第2行：因为天数智芯提供的镜像中缺少训练运行需要的libgl1库，所以需要安装。
第3行：安装requirement.txt文件中所指定的依赖包
第4行：禁止wandb（因网络无法访问）
第14行：定位训练时数据集指引文件的位置

注意： OpenI平台训练任务使用c2net工具对数据集压缩包进行解压后，可能会多生成一层文件夹，所以路径中的文件夹名称在这里可能会有重复。实际使用中需要进行测试和验证。
第15行：定位训练时YOLOv8基础预训练模型的位置
第17行：加载YOLOv8基础预训练模型，作为新模型微调训练的基础。
第18-23行：启动训练任务
- 参数data用于指定新模型数据集位置，在这里指向数据集指引文件的路径名即可
- 因训练任务容器中分配的shm较小，在这里需要将workers参数设为0
- 大部分模型训练需要的超参都可以在这个函数调用中指定。方便起见，本示例基本全部采用缺省超参，大致也能训练出一个性能不错的模型来。用户在实际使用过程中可以根据自己的实际情况在这里设置不同的超参。
第26行：将训练结果拷贝至启智平台要求的输出位置。

训练新模型

在OpenI平台本代码仓“云脑”界面新建训练任务：
- 算力集群：智算网络集群
- 计算资源：天数智芯GPGPU
- 资源规格： BI-V100
- 镜像： corex3.1.1-pytorch1.13.1-bi-train
- 数据集： kidney-stone-detection-yolov8
- 模型： yolov8n （方便起见，选择最小的n模型，也可以得到不错的效果。如果最求更好的检测性能，可以选择其他较大尺寸基础模型）
提交任务，开始训练，可在日志界面查看训练日志。
训练结束，可在结果下载界面查看和下载训练结果：

YOLOv8模型训练结束后会生成两个新模型文件：best.pt和last.pt。通常只需要下载和使用best.pt模型就可以了。