企业官网建设流程全解析

简介：YOLOv8目标检测训练自定义数据集的全流程操作指南，面向需要从零准备数据并完成模型训练的开发者与学习者。文档以超详细步骤串联整个训练流程，先介绍YOLOv8的单阶段检测原理与适用场景，再逐步讲解requirements.txt与ultralytics包的安装、图片和xml标注文件的整理、split_train_val.py数据集切分、voc2yolo.py格式转换，以及预训练模型下载与训练命令。对task、mode、model、data、epochs、batch等关键训练参数逐项解读，并针对训练中常见的Arial.ttf字体下载报错给出解决方法，还补充了resume断点续训的具体用法，可帮助读者规避多数入门阶段的坑。资源为单个docx文档，大小2.18MB，便于离线阅读和按步骤对照操作，文档内还标注了注意事项与可直接复制的命令。目前已有448人学习下载，适合刚接触YOLOv8或希望在自定义数据集上快速跑通目标检测流程的用户参考。

1. YOLOv8训练自定义数据集：先搞清这套流程到底要准备什么

做安全帽检测的时候，我拿着网上现成的 YOLOv8 预训练权重往工地视频上一跑，效果惨不忍睹——正常戴着的帽子被识别成安全帽，没戴的反而漏检。问题不在模型，在于预训练权重是在 COCO 数据集上训的，里面根本没有“安全帽”这个类别。YOLOv8训练自定义数据集，就是把你自己拍好的、标注过的图片，通过 Ultralytics 框架训练成一套属于自己场景的检测权重。这套流程适合安全帽检测、工业缺陷检测、自定义目标识别这类场景，也适合刚接触 yolov8 环境配置的学生。核心工作只有四件事：标注数据、转成 YOLO 格式、改配置文件、跑通训练命令。这篇笔记按这个顺序，把每一步怎么做、参数怎么设、坑在哪写清楚。

2. 数据与标签准备：为什么 YOLO 格式的 .txt 文件决定了训练成败

2.1 环境安装：Ultralytics 版本与 PyTorch 匹配

训练环境是所有步骤里最容易翻车的一环，很多人在这一步卡了一整天。常见的做法是用 conda 或 venv 建一个独立环境，再装 ultralytics 包。推荐用 pip 直接安装，因为 ultralytics 会同时拉取依赖的 torch、torchvision、opencv 等库，省去手动对版本的麻烦。

conda create -n yolo python=3.10 -y conda activate yolo pip install ultralytics python -c "import ultralytics; print(ultralytics.__version__)"

装完之后先确认版本号能打印出来，再往下走。如果 import 报错，大概率是 torch 与 CUDA 版本不匹配。比 如 本 地 是 CUDA 11.8，就 需 要 先 手 动 装 对 应 的 torch 版 本，再 装 ultralytics。GTX 1660 Ti 跑 YOLOv8 完全够用，显存虽然只有 6GB，但选 n 或 s 模型、把 batch 调到 8，训练自定义数据集没有压力。注意 conda activate 之后要确认 python 路径指向的是环境内的 python，否则后面跑 yolo 命令时可能用的是全局环境。

2.2 数据集目录结构：训练集、验证集与标签文件的对应关系

YOLOv8 对数据集目录结构有明确约定，不按这个结构放，训练器要么报错说找不到标签，要么静默跳过所有图片。以安全帽检测为例，我一般这样组织：

helmet/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── helmet.yaml

images 和 labels 必须在同一个上级目录下，且 train/val/test 三个集合在两侧保持一一对应。比如 images/train/a.jpg 对应的标签文件必须是 labels/train/a.txt，文件名一致、后缀不同。每张图片对应一个同名 txt 标签文件，里面每一行代表一个目标框，格式是固定的五列：class_id x_center y_center width height，后四列全部归一化到 0～1 之间。

训练集、验证集、测试集的划分比例我一般用 8:1:1，数据量少到只有几百张时至少也要保证验证集有 50 张以上，否则 mAP 波动会非常大。划分时要注意按场景或按视频帧来分，不能把同一段视频的连续帧同时分进 train 和 val，否则验证集和训练集高度相似，得到的 mAP 虚高，部署到真实场景直接缩水。

2.3 VOC 标注转 YOLO 格式：转换脚本与四个边界坑

大多数标注工具导出的不是 YOLO 格式，而是 VOC 的 XML 或 COCO 的 JSON。我最常用的是 LabelImg 导出的 VOC XML，然后写一个小的 Python 脚本转成 YOLO txt。转换逻辑很简单：从 XML 里读出每个 object 的 bndbox 四个坐标，再结合图片宽高做归一化。

import xml.etree.ElementTree as ET import os from glob import glob classes = ['helmet', 'person'] # 必须与 data.yaml 中的 names 顺序一致 def convert_xml_to_yolo(xml_path, txt_path): tree = ET.parse(xml_path) root = tree.getroot() size = root.find('size') img_w = int(size.find('width').text) img_h = int(size.find('height').text) lines = [] for obj in root.iter('object'): name = obj.find('name').text if name not in classes: # 跳过未定义类别的目标 continue box = obj.find('bndbox') xmin = int(box.find('xmin').text) ymin = int(box.find('ymin').text) xmax = int(box.find('xmax').text) ymax = int(box.find('ymax').text) # 四个边界值转中心点加宽高，再归一化 x_center = (xmin + xmax) / 2.0 / img_w y_center = (ymin + ymax) / 2.0 / img_h w = (xmax - xmin) / img_w h = (ymax - ymin) / img_h lines.append(f"{classes.index(name)} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}") with open(txt_path, 'w') as f: f.write("\n".join(lines)) xml_list = glob('helmet/labels_xml/*.xml') # VOC 原始标注目录 for xml_path in xml_list: base = os.path.basename(xml_path).replace('.xml', '.txt') convert_xml_to_yolo(xml_path, os.path.join('helmet/labels/train', base))

这段代码的核心在于 classes 列表，它决定了每个目标框的类别 ID。如果 data.yaml 里 names 的顺序是 ['person', 'helmet']，而这个脚本里 classes 是 ['helmet', 'person']，那么所有标签全部错位，训练出来模型行为完全不可用。另外四个容易踩的坑：第一，xmax 小于 xmin 时宽高为负，说明标注时框拉反了，脚本里要加判断跳过或报错；第二，归一化后坐标大于 1，说明 XML 的 size 字段与图片实际尺寸不一致，常见于经过裁剪或缩放的图片；第三，一个 txt 文件里重复写了同一个目标，Focal Loss 和增强逻辑会把重复目标当多个样本处理；第四，classes 里漏掉某个类别时不要静默跳过，最好打印一条警告日志方便核对。

转换完之后，我习惯随机抽 10 张图，把 YOLO 格式的框画回原图上检查，确认坐标没有错位。这一步虽然费几分钟，但能避免在训练完成后才发现数据问题，到那时定位成本已经高了几十倍。

3. 训练配置与命令：data.yaml、模型选型与超参数的搭配逻辑

3.1 data.yaml 怎么写：路径、类别与 ID 三者必须对齐

YOLOv8 启动训练时首先读的就是 data.yaml。这个文件如果不配好，后续所有步骤都会在数据加载阶段失败。最常见的做法是把 data.yaml 放在数据集根目录下，比如刚才 helmet/ 目录里就放一个 helmet.yaml。

path: D:/datasets/helmet # 数据集根目录的绝对路径 train: images/train # 相对 path 的训练集图片目录 val: images/val # 相对 path 的验证集图片目录 test: images/test # 可选，推理评估时用 names: 0: helmet 1: person

这里的 path 我建议直接写绝对路径，不要用相对路径，因为 yolo 命令的执行目录很容易和数据集目录不一致。train 和 val 是相对于 path 的子路径，不要写成 images/train/ 这种带尾部斜杠的形式，YOLOv8 自己在解析时会拼接成 path + train，多余的斜杠容易在 Windows 上触发 FileNotFoundError。

names 是整个训练里最不能错的部分，它的索引 0 和 1 必须与标签文件里每行的第一个数字一致。数据集中只要有一个类的顺序对不上，训练日志里 loss 照常下降，但验证集 mAP 永远是 0。

3.2 模型选型：n/s/m/l/x 怎么选，GTX 1660 Ti 该用哪个

YOLOv8 官方提供了 n、s、m、l、x 五种规格，参数规模从约 3M 到约 68M 递增。对于自定义数据集，选型逻辑取决于两个变量：数据量大小和目标设备算力。

如果你用的是 GTX 1660 Ti 6GB 显存，m 模型在 batch 为 8 的情况下已经有点吃力，推荐从 n 或 s 开始。n 模型在几百张图片的小数据集上训练一轮只要几分钟，先把流程跑通，再换 s 模型追求精度。训练命令里的 model 参数可以指定预训练权重路径，比如 yolov8s.pt，框架会自动下载 COCO 上的预训练权重，用它作为初始参数，比从零训练收敛更快、精度更高。

3.3 启动训练：核心命令与关键超参数的设定方式

跑通整个训练只靠一条命令，但这一条命令里每个参数都值得单独理解。

yolo detect train data=helmet.yaml model=yolov8s.pt \ epochs=100 imgsz=640 batch=8 device=0 \ patience=20 workers=4 seed=42

逐段解释一下：data 指定刚才写的 yaml 文件；model 是预训练权重路径，yolov8s.pt 会自动下载；epochs 是完整跑多少轮，100 轮对大多数自定义数据集足够，数据量少于 500 张时建议 150 轮并配合早停观察；imgsz 是训练时输入图像的边长，默认 640，如果你的目标在图像中很小，可以适当降到 512 或 416，小目标识别反而会更稳；batch 是每次迭代喂入的图片数量，8 是 6GB 显存的稳定值，显存不够优先降 batch，不要先降 imgsz，因为降 imgsz 会影响目标尺度分布；device=0 指定第一块 GPU，CPU 训练则写 device=cpu，但速度慢几十倍，不推荐。

patience 是早停参数，意思是如果连续 20 轮验证集 mAP 都没有提升，训练自动停止。这里建议设成 20 而不是默认的 100，因为自定义数据集验证集波动大，早停能省下大量无效训练时间。sv 命令执行完后会在 runs/detect/train 目录下生成训练日志、权重文件和 results 曲线图，后面所有分析都围绕这个目录展开。

4. 训练过程监控与调参：怎么从损失曲线和 mAP 判断模型状态

4.1 损失函数曲线图怎么看：box_loss、cls_loss、dfl_loss 的下降节奏

训练开始后，runs/detect/train/ 目录下会生成一个 results.png，里面包含 box_loss、cls_loss、dfl_loss 三条损失曲线，以及 precision、recall、mAP50、mAP50-95 四条指标曲线。很多新手只会盯着 loss 看它降到多少，但其实损失曲线的形态比数值更值得关注。

正常训练时三条 loss 应该在前期快速下降，中后期趋于平缓。以安全帽单类别数据集为例，box_loss 会在第 30 轮左右降到 1.0 以下并逐渐稳定到 0.8 附近；cls_loss 因为只有两个类别，通常不会太高，稳定在 0.5 上下；dfl_loss 是分布焦点损失，反映框回归的对齐程度，一般也在 1.0 左右。如果某一条 loss 在训练后期不降反升，说明这个任务已经接近过拟合或该指标对应的模块出了问题。比如 dfl_loss 后期上升，常见原因是标签框本身标注不准确，模型学到了错误坐标。

4.2 验证集 mAP50 与 mAP50-95：两个指标分别说明什么问题

训练结束后，日志会打印一行验证集结果，其中两个最关键的指标是 mAP50 和 mAP50-95。mAP50 是预测框与真实框 IOU 大于 0.5 即算正确的平均精度，它代表“大致找得到目标”的能力；mAP50-95 则把 IOU 阈值从 0.5 到 0.95 每 0.05 步进一次，再取平均，它代表框定位的精准程度。两个指标差距越大，说明框定位越粗糙，越容易在部署时出现“检测到了但框偏了”的情况。

对于安全帽这类中等尺寸目标，两者差距通常在 0.1 以内；如果是检测小目标比如远处的人头，mAP50 可能到 0.9 但 mAP50-95 只有 0.5，这并不异常。需要警惕的是 mAP50 很低而 loss 也低，这大概率是标签类别 ID 错位，模型一直在学错误映射。

4.3 用 YOLOv8 的 results.csv 自己画损失曲线图

YOLOv8 虽然自动生成 results.png，但有时训练中断或想对比多次实验，直接从 results.csv 画图更方便。每个训练任务目录下都有一个 results.csv，每一列对应一个指标。用 pandas 读进来，选择特定列绘图即可。

import pandas as pd import matplotlib.pyplot as plt df = pd.read_csv('runs/detect/train/results.csv') # 不同版本列名可能有差异，先打印 df.columns 确认 print(df.columns) plt.figure(figsize=(10, 6)) plt.plot(df['epoch'], df['train/box_loss'], label='train box_loss') plt.plot(df['epoch'], df['val/box_loss'], label='val box_loss') plt.xlabel('epoch') plt.ylabel('loss') plt.legend() plt.grid(True) plt.savefig('my_box_loss.png', dpi=200)

这段代码里要注意两件事：一是 results.csv 的列名在不同 ultralytics 版本中并不完全一致，旧版可能是 train/box_loss，新版可能是 train/box_loss 或 train/box_om，打印 columns 确认后再写列名；二是画图不只是给自己看，也是定位过拟合的依据。当 train loss 持续下降但 val loss 在第 60 轮拐头向上时，基本可以断定过拟合，早停参数 patience 会在第 80 轮左右提前截断训练，这时候去改模型结构意义不大，优先检查数据增强是否合理、数据量是否充足。

5. 避坑：训练自定义数据集最常见的 5 个坑（现象、原因、解决）

5.1 训练到一半 loss 直接变 nan，损失曲线崩成竖线

现象：训练日志里 loss 从某个 epoch 开始变成 nan，或者数值瞬间飙升到 1e30，之后全部是 nan。验证集 mAP 也全部归零。

原因：最常见的是学习率过高，训练初期梯度爆炸；其次是标签文件里出现异常的归一化坐标，比如 width 为负数或大于 1；还有一个容易被忽略的原因是图片本身损坏，读入后产生空矩阵。

解决：先把 lr0 从默认值调低，在训练命令里加 lr0=0.001 跑 10 个 epoch 试一下。同时用脚本扫描所有标签 txt，检查五列数值是否都在合理范围内，坐标和宽高在 0～1 之间且宽高大于 0。图片损坏的问题可以写个脚本检查所有图片能否用 OpenCV 正常读取，不能读的直接删掉并同步删除对应标签。

5.2 验证集 mAP 从第 1 轮到最后一轮都是 0

现象：训练能正常跑，loss 也在下降，但 val mAP50 永远显示 0.000，precision 和 recall 也全是 0。

原因：八成是标签文件的类别 ID 超出了 data.yaml 中 names 的数量范围。比如 txt 里写的是 5，但 names 只有 0 和 1 两个类别，模型学习时把所有该类别目标全部忽略；另外还有可能是 labels/val 目录为空，验证阶段没有真实框可以匹配。

解决：先统计一下 labels 目录下所有 txt 里 class_id 的最大值，再确认 data.yaml 里 names 的数量。单独跑一遍 val 目录的标签解析，打印出标签文件与图片的配对情况，确保 val 的 labels 目录下确实存在对应的 txt 文件。

5.3 训练轮次越往后，验证集 mAP 不升反降

现象：loss 在 60 轮之后还在缓慢下降，但 val mAP50 在第 50 轮达到最高点后持续回落，train loss 与 val loss 之间的差距越来越大。

原因：典型的过拟合。自定义数据集通常只有几千张甚至几百张图，模型在训练集上记住了大量背景纹理和冗余特征，在未见过的验证集上泛化能力下降。数据增强不足或 epoch 设得过大也会加剧这个现象。

解决：优先调大 mosaic 概率和 hsv 增强幅度，YOLOv8 默认开启 mosaic，但 fliplr、flipud 这类翻转增强并不适合所有场景。如果数据是工地摄像头拍的，垂直翻转会让“帽子在上”的语义失效，建议关闭翻转。同时调小 epochs 到 100 以内或直接依赖 patience=20 早停，保留第 50 轮的权重就够了。

5.4 训练过程中显存不足 OOM，直接报错中断

现象：训练开始后不久就报 CUDA out of memory，终端直接中断，之前训练的权重全部白跑。

原因：batch、imgsz 与显卡显存不匹配。GTX 1660 Ti 6GB 显存带 imgsz=640 batch=16 一定会爆，imgsz 越大每张图占用的显存越高，batch 越大同时驻留的图片越多，两者是乘数关系。

解决：优先把 batch 从 16 降到 8，如果还爆就降到 4。尽量不要用降低 imgsz 的方式省显存，因为 512 和 640 训练出来的模型在小目标上的精度差距明显。如果显存不够降到 batch=2 还爆，说明模型规格选高了，换成 yolov8n.pt 重跑更现实。

5.5 训练正常、mAP 也合格，但实际推理时框偏大或偏小

现象：验证集指标挺好，但拿测试图片一测，检测框总是比目标整体大一圈，或者只框住了目标的一部分。

原因：最常见的是标签归一化时图片宽高读错。比如你标注前做了批量缩放，XML 里的尺寸还是缩放前的值，转换出来的标签整体偏移，模型学到的就是偏心的框。另一种情况是数据里目标尺度太单一，比如全是近距离大目标，模型没见过远距离小目标，推理时自然会按熟悉尺度输出。

解决：把测试图上的预测框和真实框画在同一张图上对比，检查位置偏移方向。如果是整体偏大或偏小，重点检查训练样本中目标面积占整图面积的分布，适当补充不同尺度的样本，或者用 imgsz=512 重新训练让模型适应更宽的尺度分布。

6. 从 best.pt 到部署：测试集评估与 RK3588 导出

6.1 用独立的测试集做最终评估，不要用验证集结果交差

验证集在训练过程中已经被用来做早停和模型选择，严格来说指标有偏差，最终模型效果应该用独立测试集重新评估一遍。训练结束后 runs/detect/train/weights/ 下会有 best.pt 和 last.pt，best.pt 是验证集上表现最好的权重，部署用它。评估命令如下：

yolo detect val model=runs/detect/train/weights/best.pt data=helmet.yaml split=test

split=test 会让模型在 data.yaml 里配置的 test 目录上跑验证，并生成混淆矩阵 confusion_matrix.png、PR 曲线 PR_curve.png 等可视化文件。重点看对角线数值和误检集中在哪一类。安全帽检测场景里，如果 person 类被频繁误检成 helmet，就要检查训练样本里戴帽和不戴帽的头部分布是否均衡，数据平衡比调模型参数更能提升实际效果。

6.2 导出 ONNX：为 RK3588 部署铺路

如果模型要跑在 RK3588 这类带 NPU 的嵌入式平台上，不能直接用 best.pt 推理，需要先导出成中间格式，再转成硬件平台自己的模型格式。常见的导出链路是 PyTorch 权重转 ONNX，再转 RKNN。

yolo export model=runs/detect/train/weights/best.pt format=onnx opset=12 simplify=True

导出完成后会得到 best.onnx，用 onnxruntime 先在本机验证一遍输出是否正常。这里要注意：opset 版本不要随手填 17，RK3588 的 RKNN 工具链对 opset 12 兼容性最稳妥，simplify=True 会做一些图优化，去掉一些 NPU 不支持的冗余节点。导出时如果报错说某些算子不支持，大概率是训练时开了某些特殊增强或自定义模块，回到训练环节换标准 YOLOv8 结构重新训一次。

我自己的习惯是每训完一个自定义数据集，先拿测试集里最刁钻的 20 张图（逆光、遮挡、密集重叠）人工看一遍检测结果，再决定要不要进入导出流程，因为 mAP 指标在真实光线环境面前的参考价值有限。模型训练这件事，最后那 5% 的精度提升往往不是靠调参调出来的，而是靠反复看坏案例分析数据问题。希望这套从数据集准备到部署导出的流程能帮你少走几趟弯路，把时间花在真正影响效果的地方。

本文还有配套的精品资源，点击获取