# YOLOv8 训练说明

准备：

- 推荐创建并激活 Python 虚拟环境。
- 编辑 `dataset_template.yaml`（或复制为 `dataset.yaml`），确保 `train`/`val`/`test` 指向你的图片文件夹，且 `nc` 与 `names` 正确。

安装依赖（Windows PowerShell）：

```powershell
python -m venv .venv; .\.venv\Scripts\Activate.ps1
python -m pip install --upgrade pip
pip install -r requirements-train.txt
```

训练示例（PowerShell）：

```powershell
# 使用预训练的 yolov8n 模型，100 epochs，batch 16
python train_yolov8.py --data dataset.yaml --model yolov8n.pt --epochs 100 --batch 16

# 指定输出目录和实验名字
python train_yolov8.py --data dataset.yaml --model yolov8n.pt --epochs 50 --project runs/train --name my_experiment

# 在 CPU 上运行
python train_yolov8.py --data dataset.yaml --model yolov8n.pt --device cpu
```

注意事项：

- 如果你希望使用 GPU，请确保已正确安装与 CUDA 版本匹配的 `torch`。如果未安装 GPU 版 `torch`，程序会自动使用 CPU。
- 如果数据集标签不是 YOLO 格式（每张图片对应一个 `.txt`，每行 `class x_center y_center width height`），请先转换为 YOLO 格式。
- 训练结束后的权重和日志位于 `runs/train/<name>/` 下。

如需我帮你：
- 根据你的数据集结构生成 `dataset.yaml`。
- 自动分割训练/验证集并生成标签。