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
```bash
python  .py list
```

### 2. 训练指定数据集
```bash
# 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
```bash
# 编辑 train_segmentation.py
```

### 2. 修改 main() 函数
```python
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
```bash
python train_segmentation.py
```

---

## 方法三：创建专用训练脚本

### 1. 复制模板
```bash
cp train_segmentation.py train_你的数据集.py
```

### 2. 修改参数
```python
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
```bash
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

```bash
# 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`