yolov8 训练自定义数据集（windows+CPU）
本文实现使用yolov8训练自己的火灾数据集。
1. 数据的获取。
本文所使用的火灾数据集是在Roboflow上下载的。Roboflow是一款专为YOLOv8设计的自动化训练数据工具，它为YOLOv8提供了一种更便捷、更快速的方式来准备训练数据。它能够自动从开发者提供的原始图像数据中提取所需的信息，并将其转换为YOLOv8可以直接使用的格式。Roboflow还提供了一种独特的标记方式，让开发者更轻松地为图像中的物体设定标签，以便YOLOv8能够更有效地识别它们。
本文所使用的火灾数据集下载地址：https://universe.roboflow.com/custom-thxhn/fire-wrpgm
点击 Download this Dataset，选择YOLOv8 格式，选择 再点击 Continue 就可以下载该数据。下载下来的数据下图所示：
2. 使用 Anaconda 搭建 yolov8 虚拟环境，具体搭建环境方法看：1. Windows 环境下使用 CPU 运行 yolov8 环境搭建
3. 环境搭建好后，新建一个文件夹 yolov8_project，并在该文件夹下激活 yolov8 虚拟环境。
（1）在该环境下新建一个config文件夹，并在该文件夹下新建一个detection_fire.yaml文件，并输入以下内容：
train: E:\python_project\yolov8_project\dataset\fire_data\train
test: E:\python_project\yolov8_project\dataset\fire_data\test
val: E:\python_project\yolov8_project\dataset\fire_data\valid
#Classes
nc: 3 # replace according to your number of classes
#classes names
#replace all class names list with your classes names
names: ['Fire', 'default', 'smoke']
（2）在该文件夹下新建一个 dataset 文件夹，并把下载下来的数据集文件 fire.v8i.yolov8 重命名 fire_data，放在该文件夹下。
（3）在该文件夹下新建一个 model 文件夹，把下载下来的 yolov8 预训练模型 yolov8n.pt 放在该文件夹下。
4. 训练模型。
yolo task=detect mode=train model=./model/yolov8n.pt data=./config/detection_fire.yaml epochs=2 imgsz=640
参数：
task：表示当前模型所执行的任务类型，可以选择 segment，classify，detect，pose，obb 这五种；
mode：表示当前是模型选择训练模型、验证模式还是预测模式，可以选择 train，val，predict 这三种；
model：表示预训练模型的路径，可选择预训练模型有 yolov8n.pt， yolov8s.pt， yolov8m.pt， yolov8l.pt， yolov8x.pt 这五种；
epochs：设置模型训练轮数；
imgsz：设置输入图片大小，最好是32的倍数。
训练过程如下图所示：最终的训练结果也提示了保存在 runs\detect\train 下。
5. 使用训练好的模型进行预测。
yolo task=detect mode=predict model=runs/detect/train/weights/best.pt source=E:\python_project\data\fire2.mp4
预测结果：
测试数据可在网盘中 ”data_fire“ 文件夹下获取：https://pan.baidu.com/s/1dNzrVkpsXtO7uXyrMxADhA?pwd=6611
