[Python] YOLOv8操作步驟！訓練自己的圖像辨識模型（以Visual Studio Code為例）

說到物件辨識，YOLO（You Only Look Once）是一系列基於卷積神經網路的即時目標偵測系統，非常常見也易用，且至今不斷有新版本更新。這款工具可以透過事前將大量待測物進行框選訓練，得到一個專屬於自己需求的模型，此後就能用這個模型進行特地物件的即時偵測。

例如，這個影片是來自靜宜大學資工系專任教師劉志俊的教學影片，以YOLO進行惡性腫瘤的檢測示範；在農場中進行即時的雞隻健康預測，農畜使用已經是非常常見的應用了；或者是在工業運作上，也能透過這個方法來快速檢查產品是否有缺陷；這個影片是工程師の師以戴資穎的羽球隊戰影片進行示範，並以免費的Colab來帶領讀者入門學習。YOLO是非常好用的工具，前提是你要給他足夠多「經驗」，這款AI工具就能進行監督式學習，訓練出屬於自己需要的模型。

目前YOLO版本非常多，因為官方的快速入門就以是YOLOv8進行的，因此撰風就先以此版本進行操作示範，其他版本的YOLO可以在官網查詢，詳細的原理大家可以再爬書，我希望以快速上手為主，在此篇就不加入過多艱深的說明。

為何使用本地端訓練？

撰風使用YOLOv8訓練時是在本地端進行訓練，在本地端訓練相比使用Google Colab訓練來說，可以有更穩定的訓練環境，而且不會因為Colab儲存空間受限，試想把幾千張的圖片數據上傳，先不論隱私問題，光是上傳幾千張圖片就可能需要很長時間。

因此，如果你只是要練習YOLO，或是自己的電腦本身不夠好沒有GPU的話，那當然可以採用Google Colab測試，畢竟Google Colab是一個有GPU資源的免費程式平台；但如果自己本地端的電腦效能足夠的話，在本地端進行會更靈活一些。

安裝Python

在進行YOLOv8時，安裝Python是必要的。撰風測試使用Python 3.8.10可以順利運作，而Python 3.10的版本在labelImg標記圖片時會出現bug強制關閉，因此經驗可以安裝Python 3.8.10就能順利使用labelImg進行標記。這部分我會在其他台電腦再做測試。如何設定Python環境變數，以及如果安裝多個版本的Python要如何調整優先採用的Python版本？可以參考這篇的步驟：

• 如何設定Python環境變數？如何調整預設Python版本^[待寫文]

撰風測試使用Python 3.8.10可以順利運作，因此若沒有這個版本的話，可以從Python官網下載，載點如下：

• 下載Python 3.8.10：Python Release Python 3.8.10

安裝Git和IDE

安裝Git和整合開發環境(IDE)在進行YOLOv8不是必要的，但有這些工具可以在操作上更容易操作。撰風本人習慣使用Visual Studio Code來作為操作介面，網路上很多是採用Anaconda或Pycharm，其實這些都是可以的。如何安裝Visual Studio Code和對應的Python設定，可以先依照之前我寫的這篇文章進行：

• 如何安裝Visual Studio Code for Python與環境變數設定？

環境設置

環境安裝的部分，可以參考深度學習實務: YOLOv9 安裝（雖然我這邊寫的是YOLOv8但環境安裝是相同的）這個影片，來自靜宜大學資工系專任教師劉志俊的教學影片。

開啟終端機

等等的指令多會在終端機進行，終端機可以選擇命令提示字元(cmd)，也可以在整合開發環境中的終端機，因為資料管理的習慣，撰風選擇在Visual Studio Code的終端機來輸入。當你第一次使用Visual Studio Code，你可以將滑鼠移到右邊區塊的下方，變色後拉出終端機區塊，也可以直接從上方⋯>終端機>新增終端來開啟（快捷鍵：Ctrl+Shift+`）。

CUDA

利用命令提示字元(CMD)或IDE的終端機介面查詢電腦是否已經安裝CUDA，下圖以Visual Studio Code的終端機為例，輸入指令確認CUDA版本：

nvcc --version

如果還沒安裝過CUDA的話，可以從NVIDIA官網註冊後下載CUDA版本以及cuDNN，只要選擇自己電腦的作業系統和版本，即可得到對應的載點。

GPU版本

在下載Pytorch之前，需要查看電腦GPU版本，這是為了等等在選擇安裝pytorch時需要的資訊。在終端機輸入以下指令：

nvidia-smi

如果你的電腦並沒有GPU的話，會不建議在本地端進行YOLO的訓練，因為這可能會非常的緩慢，甚至失敗，此時可以改用Google Colab具有免費GPU的平台來操作，但就是大量資料上傳和免費的限制可能會影響訓練。

Pytorch

如果不確定自己電腦是否安裝過Pytorch，可以在終端機輸入以下指令：

pip show torch

在Pytorch官網，選擇自己電腦對應的版本，得到相對應的pip安裝指令，輸入到終端機中進行安裝。舉例而言，我的電腦得到對應的pytorch指令如下：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

Pytorch的檔案非常大，安裝需要等待一陣子。

安裝YOLOv8

在完成圖片標註後，下一步是安裝YOLOv8，並準備進行模型訓練。Ultralytics提供的YOLOv8可以透過在終端機輸入以下指令直接安裝：

pip install ultralytics

安裝完成後，可以在終端機輸入以下指令測試是否安裝成功：

yolo -V

若安裝成功，會顯示YOLOv8的版本號，例如我的版本就顯示8.3.99。

下載初始模型

YOLOv8提供多種不同大小的模型，每個模型的權重檔案都不同，可以根據需求選擇適合的初始模型：

如果電腦記憶體有限，建議採yolov8n.pt或 yolov8s.pt。

資料蒐集

創建資料夾

在使用YOLO進行訓練時，首先需要建立適當的資料夾結構並蒐集足夠的圖片作為訓練數據。一般來說，YOLO的資料夾結構建議如下：

dataset/
├ images/
│   ├ train/  # 訓練集圖片
│   ├ val/    # 驗證集圖片
│   └ test/   # 測試集圖片（可選）
└ labels/
    ├ train/  # 訓練集標註檔（.txt 格式）
    ├ val/    # 驗證集標註檔（.txt 格式）
    └ test/   # 儲存測試集標註檔（可選）

蒐集圖片數量

圖片數量取決於訓練的需求與模型的複雜度，通常建議每個類別至少1,000張圖片，理想狀況下5,000~10,000張會提供更好的泛化能力。如果數據較少，可以考慮資料增強來提升數據量，這部分可以參考訓練模型時有相應的說明。

訓練集、驗證集、測試集

一般而言，訓練數據會依以下比例進行劃分：

數量上有些差異是沒有關係的，只是一個參考比例和數量。

資料標記

在使用YOLO進行訓練時，我們需要為圖片創建標註，以讓模型學習物件的位置信息，常見的標註工具有labelImg或線上的RoboFlow，能夠將物件的框標註（Bounding Box）轉換為YOLO格式的.txt檔案。這部分我把它寫成單獨的文章，避免本篇篇幅過長。

• labelImg標記方法
• RoboFlow標記方法

新增dataset.yaml配置檔案

在dataset/資料夾內，使用文字編輯器（如 Visual Studio Code 或 Notepad++）新建dataset.yaml，並填入以下內容：

path: dataset  # 數據集的根目錄
train: images/train  # 訓練集
val: images/val  # 驗證集
test: images/test  # 測試集
nc: 3  # 你的類別數量 (請修改為實際的數量)
names: ["class1", "class2", "class3"]  # 類別名稱

• path：數據集的根目錄
• train：訓練圖片的路徑
• val：驗證圖片的路徑
• test：測試圖片的路徑（不參與訓練，但可用來評估模型）
• nc：物件類別數量
• names：類別名稱（根據你的數據集修改）
• 路徑可以改用絕對路徑

訓練模型

當 dataset.yaml 配置完成後，即可使用YOLOv8進行訓練。

yolo task=detect mode=train model=yolov8n.pt data=dataset.yaml epochs=100 imgsz=512 batch=8 workers=0

yolo task=detect mode=train model=yolov8n.pt data=dataset.yaml epochs=100 imgsz=512 batch=8 workers=0 augment=True

訓練參數調整

訓練時可以調整設定，例如電腦設備的記憶體不足，可以縮小 imgsz 或是 batch 值。其他參考整理如下，可點擊展開查看：

測試模型

訓練完成後，會生成資料夾runs/train/exp/weights/，裡面會有best.pt，代表著此次訓練後的最佳模型，模型的表現請參考訓練結果確認^待撰寫，如果水準符合自己預期就可以到此為止，如果還不滿意可以繼續訓練。為了繼續訓練的需求，撰風希望可以將測試結果的框選標註以 YOLO 格式儲存，這樣就能將偵測失誤的部分再以LabelImg重新調整框選範圍，以便再次放入訓練。這樣可以透過save_txt=True來儲存標註：

yolo task=detect mode=predict model=runs/train/exp/weights/best.pt source=images/test save=True save_txt=True

• save=True：儲存標註圖片（會畫出偵測框）
• save_txt=True：儲存偵測框標註到YOLO格式的.txt檔案，方便labelImg進行調整

測試結果會儲存到runs/detect/predict/內：

runs/detect/predict/
├ test_image1.jpg  # 帶有框選的測試圖片
├ test_image1.txt  # YOLO 格式標註
├ test_image2.jpg
├ test_image2.txt
└ classes.txt      # 把 train/ 裡面的 classes.txt 複製貼到這裡

把train/裡面的classes.txt複製貼到這裡，然後將其中所有生成.txt標註檔案用LabelImg再次開啟調整框選範圍，完成後再把一部分.jpg放入images/train/資料夾中，對應的.txt放入labels/train/中；另一部份.jpg放入images/val/資料夾中，對應的.txt放入labels/val/中。蒐集一些新的測試圖片放入images/test/中，然後重複訓練模型的步驟，直到模型符合自己的需求。

即時偵測

經過訓練後，我們得到了best.pt，我們可以將此模型直接套用到Python中，用以進行圖片的偵測、影片的偵測，或是將電腦連接網路攝影機進行即時的偵測。

• 圖片偵測：使用cv2.imread() 讀取圖片並進行偵測
• 影片偵測：使用cv2.VideoCapture() 讀取影片並輸出新影片
• 即時攝影機偵測：cv2.VideoCapture(0) 讀取即時影像

在此會需要用到OpenCV模組，開啟IDE，在終端機輸入以下指令安裝 cv2：

pip install opencv-python

圖片偵測

這段程式碼會載入best.pt，並對單張圖片進行物件偵測，最後顯示偵測結果。請把best.pt置換成自己訓練出來的模型的路徑。

from ultralytics import YOLO
import cv2

# 載入 YOLOv8 訓練好的模型
model = YOLO("best.pt")

# 讀取圖片
image_path = "test.jpg"  # 請替換成你的圖片路徑
image = cv2.imread(image_path)

# 進行偵測
results = model(image)

# 繪製偵測結果
for result in results:
    for box in result.boxes:
        x1, y1, x2, y2 = map(int, box.xyxy[0])  # 邊界框
        conf = box.conf[0].item()  # 信心度
        cls = int(box.cls[0].item())  # 類別索引

        # 畫框
        cv2.rectangle(image, (x1, y1), (x2, y2), (0, 255, 0), 2)
        label = f"Class {cls}: {conf:.2f}"
        cv2.putText(image, label, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

# 顯示圖片
cv2.imshow("YOLOv8 Image Detection", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

影片偵測

這段程式碼會對影片進行物件偵測，並將結果輸出到新影片。請把best.pt置換成自己訓練出來的模型的路徑。

from ultralytics import YOLO
import cv2

# 載入模型
model = YOLO("best.pt")

# 讀取影片
video_path = "input.mp4"  # 請替換成你的影片路徑
cap = cv2.VideoCapture(video_path)

# 取得影片的基本資訊
fps = int(cap.get(cv2.CAP_PROP_FPS))
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))

# 設定輸出影片
output_path = "output.mp4"
fourcc = cv2.VideoWriter_fourcc(*"mp4v")  # 設定影片格式
out = cv2.VideoWriter(output_path, fourcc, fps, (width, height))

while cap.isOpened():
    success, frame = cap.read()
    if not success:
        break

    # 進行偵測
    results = model(frame)

    # 繪製偵測結果
    for result in results:
        for box in result.boxes:
            x1, y1, x2, y2 = map(int, box.xyxy[0])
            conf = box.conf[0].item()
            cls = int(box.cls[0].item())

            cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)
            label = f"Class {cls}: {conf:.2f}"
            cv2.putText(frame, label, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

    # 寫入影片
    out.write(frame)

    # 顯示畫面
    cv2.imshow("YOLOv8 Video Detection", frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 釋放資源
cap.release()
out.release()
cv2.destroyAllWindows()

即時攝影機偵測

這段程式碼會啟動攝影機進行即時偵測，在運行程式之前，請將電腦的相機打開，或是連接一個Webcam。請把best.pt置換成自己訓練出來的模型的路徑。

from ultralytics import YOLO
import cv2

# 載入模型
model = YOLO("best.pt")

# 開啟攝影機 (0 代表內建攝影機，1, 2... 代表外接攝影機)
cap = cv2.VideoCapture(0)

while cap.isOpened():
    success, frame = cap.read()
    if not success:
        print("無法讀取影像，請檢查攝影機。")
        break

    # 進行偵測
    results = model(frame)

    # 繪製偵測結果
    for result in results:
        for box in result.boxes:
            x1, y1, x2, y2 = map(int, box.xyxy[0])  # 邊界框
            conf = box.conf[0].item()  # 信心度
            cls = int(box.cls[0].item())  # 類別索引

            cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)
            label = f"Class {cls}: {conf:.2f}"
            cv2.putText(frame, label, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

    # 顯示畫面
    cv2.imshow("YOLOv8 Webcam Detection", frame)

    # 按 'q' 離開
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 釋放攝影機資源
cap.release()
cv2.destroyAllWindows()

相關列表

Python學習紀錄

相關文章

自定義電腦資料夾圖案吧！用Python寫一個PNG轉ICO的小工具

[Pokemon TCGP] 大蔥鴨+瑪夏多+化石翼龍EX牌組 | 最平民的五連勝牌組推薦！牌組構築說明、55場實戰測試、勝率67%、卡手率4%（A1+A1a）

用Python寫一個批次修改圖片大小的工具

[2025台北燈節] 燈節實拍！西門北門5燈區40分鐘轉一圈，超美窗花剪紙映西門，小提燈台北小Q發放時間

如何安裝Visual Studio Code for Python與環境變數設定？

全台美食部落客、IG美食介紹、各大美食懶人包

[Python] PySide6模板與入門學習！圖形化介面使用者友善，讓程式變得更貼心

[Pokemon TCGP] 牌組實戰測試

[Pokemon TCGP] 超夢EX牌組 | 牌組構築說明、27場實戰測試、勝率70%、卡手率22%（A1+A1a）