欢迎使用Ultralytics HUB,一个用户友好且高效的模型训练和部署平台。本指南将带领了解如何使用 Ultralytics HUB 进行模型的训练、评估、导出和分享。将详细介绍从选择数据集到模型部署的全过程,并提供详细的步骤说明和技巧。
模型训练流程
在Ultralytics HUB上训练模型是一个简单而高效的三步过程,得到 UltralyticsYOLOv8的支持。训练期间,可以实时查看模型指标的更新,监控每一个训练步骤的进展。训练完成后,可以预览模型,并轻松地将其应用于实际应用中。
在训练模型之前,需要选择用于训练的数据集。选择数据集后,点击“下一步”继续。如果在数据集页面直接训练模型,可以跳过此步骤。
在这一步中,需要选择项目、模型名称和模型架构。Ultralytics HUB 会尝试为预选项目。如果通过上述方式打开了模型训练对话框,Ultralytics HUB 将选择最近使用的项目。如果从项目页面打开模型训练对话框,Ultralytics HUB 将选择当前所在的项目。如果还没有创建项目,可以在这一步中设置项目名称,然后与模型一起创建。
# 模型训练示例代码
pip install -U ultralytics
python train.py --img 640 --batch 16 --epochs 300 --data dataset.yaml --cfg yolov8n.yaml --weights yolov8n.pt
在这一步中,可以开始训练模型。如果到达这一步,可以选择关闭模型训练对话框,并在稍后的模型页面上继续训练。Ultralytics HUB提供了三种训练方式:Ultralytics 云、Google Colab 和自带代理。
模型分析
训练完成后,可以在“训练”标签下分析模型的指标。所有模型指标都会根据任务仔细分组。要访问所有模型指标,请单击“图表”标签。每个图表都可以放大以更好地可视化,并且可以使用缩放功能来正确分析数据。
模型预览
训练完成后,可以在“预览”标签下查看模型。在测试卡上,可以选择训练期间使用的数据集中的预览图像,或从设备上传图像。还可以通过下载 Ultralytics HUB 应用程序,在 iOS 或 Android 移动设备上直接查看模型。
模型导出
训练完成后,可以将模型导出为 13 种不同的格式,包括 ONNX、OpenVINO、CoreML、TensorFlow、Paddle 等。可以通过打开导出操作的下拉菜单并点击“高级”来自定义每个格式的导出选项。