jjsos_JJdetection/快速训练指南.md

🚀 快速训练指南

方法一：使用通用训练脚本（最简单）

1. 查看可用数据集

python  .py list

2. 训练指定数据集

# 训练搭电设备
python train_all_datasets.py 搭电设备

# 训练仪表盘
python train_all_datasets.py 仪表盘

# 训练检测仪
python train_all_datasets.py 检测仪

---

方法二：修改 train_segmentation.py

1. 打开文件

# 编辑 train_segmentation.py

2. 修改 main() 函数

def main():
    train_segmentation_model(
        dataset_path="datasets/你的数据集/data.yaml",  # 改这里
        model_name="yolov8n-seg.pt",
        epochs=100,
        batch=8,
        imgsz=640,
        device="cpu"  # 有GPU改为 "cuda"
    )

3. 运行

python train_segmentation.py

---

方法三：创建专用训练脚本

1. 复制模板

cp train_segmentation.py train_你的数据集.py

2. 修改参数

def main():
    train_segmentation_model(
        dataset_path="datasets/你的数据集/data.yaml",
        model_name="yolov8n-seg.pt",
        epochs=100,
        batch=8,
        imgsz=640,
        device="cpu"
    )

3. 运行

python train_你的数据集.py

---

📋 训练前检查清单

• 数据集目录结构正确
• data.yaml 配置文件存在且正确
• 标注文件格式正确（多边形格式）
• 图片和标注文件名对应
• 运行验证脚本检查标注

# 验证标注
python verify_seg_labels.py datasets/你的数据集/train/labels datasets/你的数据集/train/images

---

⚡ 快速参数调整

需求	修改参数	示例值
更快训练	batch=4, imgsz=416	小数据集
更高精度	model="yolov8s-seg.pt"	中等数据集
使用GPU	device="cuda"	有GPU时
更多轮数	epochs=150	小数据集

---

📍 训练结果位置

训练完成后，模型保存在：

runs/segment/train/weights/best.pt

查看训练曲线：

runs/segment/train/results.png

---

❓ 遇到问题？

1. 内存不足 → 减小 batch 和 imgsz
2. 训练慢 → 使用 device="cuda" 或减小 imgsz
3. 格式错误 → 运行验证脚本检查标注
4. 找不到文件 → 检查 data.yaml 路径是否正确

详细说明请查看：训练教程.md