拓冰网站定制 
简介这是一份面向目标检测初学者与算法工程师的YOLO猫狗检测数据集采集真实场景下场景丰富的猫狗图片经labelimg精细标注标注框质量较高可直接用于YOLO系列模型训练与验证。资源包共约2000个文件以1986个xml标注文件为主另含少量html教程、txt说明与py脚本压缩包约115.12MB体积轻便便于本地部署。标签同时提供voc、coco和yolo三种格式分别存放于不同文件夹省去格式转换环节。随包附赠YOLO环境搭建、训练案例教程及数据集划分脚本可按需自行划分训练集、验证集与测试集快速跑通从数据准备到模型训练的全流程。目前已有535人学习下载适合想练手目标检测、复现YOLO训练流程或搭建猫狗识别应用的读者参考使用。1. 从一堆散装文件到能跑的训练管线这套猫狗检测资源到底省了哪几步如果你做过目标检测大概率经历过这个场景网上找到一份数据集图片倒是能看但标签只有一种格式想换 YOLO 训练还得自己写转换脚本好不容易转完又发现没有划分脚本手动分训练集验证集分到怀疑人生。这套 YOLO 猫狗目标检测数据集本质上就是把这几个最耗时的环节一次性打包好了——5000 张真实场景图片同时提供 VOCxml、COCOjson、YOLOtxt三种标签格式外加训练集/验证集/测试集划分脚本和 Windows、Linux 双平台的 YOLO 环境搭建与训练教程。它解决的不是有没有数据的问题而是从拿到数据到跑通训练这条链路上反复造轮子的痛点。适合两类人一是刚接触目标检测、想找一个完整案例把流程走通的新手二是手头有自己数据、想参考一套标准划分和转换流程的从业者。下面按实际拆包后的使用顺序把这份资源怎么用、参数怎么调、哪里容易翻车讲清楚。2. 三种标签格式的差异与转换逻辑为什么不能只留 YOLO 格式2.1 VOC、COCO、YOLO 三种格式的核心区别很多人拿到数据集第一反应是我只要 YOLO 格式其他删掉。先别急三种格式各有存在价值理解它们的差异能帮你在后续换框架或做数据增强时少走弯路。VOC 格式以 xml 文件存储每个标注框记录xmin、ymin、xmax、ymax四个绝对像素坐标外加类别名。它的优点是可读性强用 labelImg 打开就能直接改适合人工校验标注质量。缺点是文件体积大5000 张图对应 5000 个 xml批量处理时 IO 开销明显。COCO 格式把所有标注集中在一个 json 文件里坐标同样是绝对像素值但结构是[x, y, width, height]。它的优势是单文件管理方便pycocotools 生态成熟做评估时 mAP 计算直接调库就行。缺点是 json 文件一旦损坏整个数据集的标注全丢而且大文件用文本编辑器打开基本卡死。YOLO 格式每张图对应一个 txt每行是class_id x_center y_center width height全部归一化到 0~1 之间。这是 YOLO 系列训练直接吃的格式也是三种里最紧凑的。但归一化坐标不可读改一个框得先反算回像素值人工调整很别扭。提示如果后续要做数据增强比如 mosaic、mixupYOLO 格式最方便如果要做标注质量抽检切回 VOC 格式用 labelImg 看最直观。2.2 格式转换的关键参数与代码实现资源包里已经分好了三个文件夹但如果你自己有一批 VOC 标注想转成 YOLO下面这段脚本可以直接抄。核心逻辑是读 xml 里的绝对坐标除以图片宽高做归一化同时把类别名映射成从 0 开始的整数 id。import os import xml.etree.ElementTree as ET from PIL import Image # 类别映射表必须和训练时的 data.yaml 保持一致 CLASS_MAP {cat: 0, dog: 1} def voc_to_yolo(xml_dir, img_dir, out_dir): os.makedirs(out_dir, exist_okTrue) for xml_file in os.listdir(xml_dir): if not xml_file.endswith(.xml): continue tree ET.parse(os.path.join(xml_dir, xml_file)) root tree.getroot() # 图片文件名从 xml 的 filename 字段取不要靠 xml 文件名猜 img_name root.find(filename).text img_path os.path.join(img_dir, img_name) w, h Image.open(img_path).size lines [] for obj in root.findall(object): cls_name obj.find(name).text if cls_name not in CLASS_MAP: continue cls_id CLASS_MAP[cls_name] bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) # 归一化中心点坐标和宽高都除以图片尺寸 x_center (xmin xmax) / 2.0 / w y_center (ymin ymax) / 2.0 / h bw (xmax - xmin) / w bh (ymax - ymin) / h lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {bw:.6f} {bh:.6f}) out_file os.path.join(out_dir, xml_file.replace(.xml, .txt)) with open(out_file, w) as f: f.write(\n.join(lines)) voc_to_yolo(./annotations_xml, ./images, ./labels_yolo)这段代码有几个参数需要根据实际情况改。CLASS_MAP必须和后续训练配置文件里的names列表顺序完全一致否则模型学出来的类别会错位。归一化保留 6 位小数是 YOLO 官方推荐的精度再少可能影响小目标框的准确性。另外注意img_name是从 xml 内部读的不是从 xml 文件名推导的——有些标注工具导出的 xml 文件名和实际图片名不一致靠文件名猜会翻车。COCO 转 YOLO 的逻辑类似区别在于 COCO 的 json 里bbox字段本身就是[x, y, w, h]格式但它是绝对像素值还是需要除以图片宽高。而且 COCO 的category_id不一定从 0 开始连续需要自己建映射表重新编号。3. 数据集划分脚本怎么用train/val/test 比例与随机种子控制3.1 划分脚本的三种模式与适用场景资源包里带了三个划分脚本分别对应不同需求。训练集、验证集、测试集划分脚本图片标签划分写入新文件夹.py是把图片和标签一起复制到新的 train/val/test 文件夹适合需要物理隔离数据的场景。训练集、验证集划分脚本图片标签划分写入新文件夹.py只分 train 和 val 两份适合数据量不大、不想单独留测试集的情况。split_train_val生成ImageSets下txt文件划分脚本.py不复制文件只生成 ImageSets 目录下的 txt 索引文件适合数据量大、不想占双倍磁盘空间的场景。选哪种取决于你的磁盘和后续流程。如果要做多次不同比例的实验用索引文件模式最灵活改个比例重跑脚本就行不用反复复制几十 G 的图片。如果是一次性划分完就不动了物理复制更省心后续训练直接指向对应文件夹即可。3.2 划分比例设置与随机种子固定下面以三份划分脚本为例说明关键参数怎么调。核心就两个比例和随机种子。import os import random import shutil # 关键参数 VAL_RATIO 0.2 # 验证集比例 TEST_RATIO 0.1 # 测试集比例 SEED 42 # 随机种子固定后每次划分结果一致 random.seed(SEED) img_dir ./images label_dir ./labels out_root ./dataset_split # 收集所有图片文件名不含扩展名 names [os.path.splitext(f)[0] for f in os.listdir(img_dir) if f.endswith(.jpg)] random.shuffle(names) n_total len(names) n_val int(n_total * VAL_RATIO) n_test int(n_total * TEST_RATIO) n_train n_total - n_val - n_test splits { train: names[:n_train], val: names[n_train:n_train n_val], test: names[n_train n_val:] } for split, name_list in splits.items(): img_out os.path.join(out_root, split, images) lbl_out os.path.join(out_root, split, labels) os.makedirs(img_out, exist_okTrue) os.makedirs(lbl_out, exist_okTrue) for name in name_list: shutil.copy(os.path.join(img_dir, name .jpg), os.path.join(img_out, name .jpg)) shutil.copy(os.path.join(label_dir, name .txt), os.path.join(lbl_out, name .txt)) print(ftrain: {n_train}, val: {n_val}, test: {n_test})SEED这个参数很多人忽略但不固定种子的话每次跑划分脚本结果都不一样实验没法复现。我一般固定成 42 或 0团队里统一一个值。VAL_RATIO和TEST_RATIO的常见设置是 8:1:1 或 7:2:15000 张图的话验证集 500~1000 张足够评估用测试集 500 张左右能给出稳定的指标。注意划分前一定要确认图片和标签文件名一一对应。如果某张图没有对应的 txt 标签复制时会直接报 FileNotFoundError这时候要么补标签要么把这张图排除掉不要跳过——跳过会导致训练时找不到部分图片。3.3 划分后的目录结构校验划分完成后建议跑一段校验代码确认没有遗漏和错位。import os for split in [train, val, test]: img_set set(os.path.splitext(f)[0] for f in os.listdir(f./dataset_split/{split}/images)) lbl_set set(os.path.splitext(f)[0] for f in os.listdir(f./dataset_split/{split}/labels)) only_img img_set - lbl_set only_lbl lbl_set - img_set print(f{split}: 图片 {len(img_set)}, 标签 {len(lbl_set)}, 缺标签 {len(only_img)}, 缺图片 {len(only_lbl)})如果缺标签或缺图片不为 0说明划分过程中有文件不配对需要回到原始数据排查。这个校验步骤花不了几秒钟但能避免训练跑了一半才报错。4. Windows 与 Linux 双平台环境搭建从 CUDA 到 ultralytics 安装4.1 Windows 平台环境搭建步骤资源包里的 Windows 教程覆盖了从显卡驱动到 YOLO 训练框架的完整链路。按实际踩坑经验顺序不能乱先确认显卡驱动版本再装 CUDA Toolkit然后装 cuDNN最后装 PyTorch 和 ultralytics。第一步打开命令行执行nvidia-smi右上角显示的CUDA Version是你驱动支持的最高 CUDA 版本。比如显示 12.1那你装 CUDA 11.8 或 12.1 都可以但不能装 12.4。第二步去 NVIDIA 官网下载对应版本的 CUDA Toolkit。安装时选自定义取消勾选 Visual Studio Integration除非你确实要用 VS 编译其他默认即可。第三步装 PyTorch。不要直接pip install torch那样装的是 CPU 版本。要去 PyTorch 官网复制对应 CUDA 版本的安装命令比如pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118第四步装 ultralyticspip install ultralytics装完后验证 GPU 是否可用import torch print(torch.cuda.is_available()) # 应该输出 True print(torch.cuda.get_device_name(0)) # 显示显卡型号如果is_available()返回 False九成是 PyTorch 装成了 CPU 版卸载重装对应 CUDA 版本的即可。4.2 LinuxUbuntu平台环境搭建要点Linux 下的流程和 Windows 类似但多了几个容易翻车的点。首先是驱动安装Ubuntu 自带的 nouveau 驱动会和 NVIDIA 驱动冲突需要先禁用sudo bash -c echo blacklist nouveau /etc/modprobe.d/blacklist-nvidia-nouveau.conf sudo bash -c echo options nouveau modeset0 /etc/modprobe.d/blacklist-nvidia-nouveau.conf sudo update-initramfs -u sudo reboot重启后进 BIOS 关闭 Secure Boot再用ubuntu-drivers devices查看推荐的驱动版本用apt install安装。装完nvidia-smi能正常输出就说明驱动 OK。CUDA 和 cuDNN 在 Linux 下建议用 runfile 方式安装比 apt 更可控。装完后记得把 CUDA 路径写进环境变量export PATH/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH/usr/local/cuda/lib64:$LD_LIBRARY_PATHPyTorch 和 ultralytics 的安装命令和 Windows 一致。Linux 下额外建议装一下opencv-python-headless避免服务器上没有图形界面时 cv2 报错。提示如果实验室或公司服务器是多用户共用建议用 conda 创建独立环境不要直接装在系统 Python 里否则不同项目的 CUDA 版本冲突会让你很头疼。5. 训练配置与常见报错排查data.yaml 怎么写、BN 崩溃怎么办5.1 data.yaml 的关键字段与路径写法YOLO 训练的第一步是准备data.yaml这个文件告诉框架去哪里找图片、有几类目标。以下是对应这份猫狗数据集的配置path: ./dataset_split # 数据集根目录 train: train/images # 训练集图片路径相对于 path val: val/images # 验证集图片路径 test: test/images # 测试集图片路径可选 nc: 2 # 类别数 names: # 类别名列表顺序必须和标签里的 class_id 对应 0: cat 1: dogpath可以用绝对路径也可以用相对路径但相对路径是相对于你执行训练命令时所在的目录不是相对于 yaml 文件位置。很多人在这里翻车——yaml 放在configs/下path写./dataset_split结果在项目根目录执行训练时找不到数据。稳妥做法是path写绝对路径或者确保执行目录和 yaml 里的相对路径基准一致。names的顺序至关重要。如果你的标签里 cat 是 0、dog 是 1但 yaml 里写反了模型会把猫预测成狗而且 loss 还能正常下降——这种错误不看推理结果很难发现。5.2 启动训练与关键超参数配置写好后启动训练yolo detect train data./data.yaml modelyolov8n.pt epochs100 imgsz640 batch16几个关键参数的含义model指定预训练权重yolov8n.pt是最小的 nano 版本速度快但精度低数据量 5000 张的话建议从yolov8s.pt或yolov8m.pt起步。imgsz是输入分辨率640 是默认值如果图片里猫狗占画面比例很小可以提到 1280但显存占用会翻倍。batch根据显存调8G 显存跑 640 分辨率大概能上 1612G 能上 32。训练过程中重点关注mAP50和mAP50-95两个指标。mAP50是 IoU 阈值 0.5 时的平均精度涨到 0.8 以上说明模型基本可用了。mAP50-95更严格通常比mAP50低 0.15~0.25。如果训练 loss 一直在降但验证 mAP 不涨大概率是过拟合了需要加数据增强或减模型复杂度。5.3 避坑与常见问题排查现象一训练启动后报Dataset not found但路径明明是对的。原因通常是 yaml 里的相对路径基准和你执行命令的目录不一致。解决方法是把path改成绝对路径或者cd到 yaml 所在目录再执行训练。现象二训练几个 epoch 后 loss 突然变成 NaNBN 层崩溃。这是 YOLO 训练里比较常见的玄学问题通常和 batch size 太小或学习率太高有关。先把batch调大至少 8如果显存不够就降imgsz。还不行就把学习率从默认的 0.01 降到 0.001加lr00.001参数。另外检查数据里有没有标注框宽高为 0 的脏数据这种框会导致除零。现象三训练完推理时所有框都标成同一类。九成是data.yaml里names顺序和标签里的class_id对不上。回头检查转换脚本里的CLASS_MAP和 yaml 是否一致。另一个可能是某一类样本太少模型直接摆烂全预测成多数类这时候需要检查两类图片数量是否均衡。现象四nvidia-smi显示显存占满但 GPU 利用率接近 0。这是数据加载瓶颈CPU 预处理速度跟不上 GPU 计算速度。解决办法是把workers参数调大默认 8可以试 16或者把图片提前 resize 到接近imgsz的尺寸减少训练时的缩放开销。现象五验证集 mAP 比训练集低很多差距超过 0.2。典型过拟合。优先加数据增强YOLO 默认开了 mosaic 和 flip可以再加scale0.5和hsv_h0.015。如果还不行就换更小的模型或者检查训练集和验证集是不是同分布——划分脚本如果没打乱就切分可能出现训练集全是白天、验证集全是晚上的情况。6. 从跑通到跑好用混淆矩阵定位类别混淆与阈值调优训练跑通只是起点真正让模型可用的是后续的误差分析。YOLO 训练结束后会在runs/detect/train/下生成confusion_matrix.png这张图能直接告诉你模型把哪些类别搞混了。猫狗检测里最常见的是猫被预测成狗——尤其是幼猫和幼犬体型和毛色接近时模型确实容易懵。看混淆矩阵时重点关注对角线以外的数值。如果cat→dog的误判数量明显高于dog→cat说明猫的样本多样性不够需要补充不同姿态、不同光照的猫图。如果背景被大量预测成目标矩阵最后一行背景列数值高说明标注里可能漏标了一些猫狗模型把没标注的目标当成了背景推理时又强行检测出来。除了混淆矩阵results.png里的 P、R、mAP 曲线也值得细看。如果 Precision 很高但 Recall 很低说明模型只敢在特别确定的时候才输出框这时候可以降低推理时的置信度阈值。默认conf0.25可以试 0.1 看能不能召回更多目标代价是误检会增加。反过来如果 Recall 高但 Precision 低就提高阈值到 0.4 或 0.5。推理时还有一个iou参数控制 NMS 的合并阈值默认 0.7。如果同一只猫被输出了好几个重叠框把iou降到 0.5 能缓解。如果两只挨得很近的猫被合并成了一个框就把iou提到 0.8。yolo detect predict modelruns/detect/train/weights/best.pt source./test_images conf0.3 iou0.6我一般会在验证集上跑几组不同conf和iou的组合把结果导出来对比。具体做法是用yolo detect val加不同参数跑看 mAP 变化。通常conf0.001时 mAP 最高因为把所有可能的框都算进去了但实际部署时要用更高的阈值来平衡误检。从那以后我每次训练完都强制走一遍混淆矩阵和 PR 曲线的检查不再只看一个 mAP 数字就收工。这套猫狗数据集的价值不在于 5000 张图本身而在于它把格式转换、划分、训练、评估这条链路完整地串了起来让你能把精力花在调参和误差分析上而不是反复写格式转换脚本。希望帮到你。本文还有配套的精品资源点击获取 YOLO猫狗目标检测实战：从数据格式转换到训练评估全流程
简介这是一份面向目标检测初学者与算法工程师的YOLO猫狗检测数据集采集真实场景下场景丰富的猫狗图片经labelimg精细标注标注框质量较高可直接用于YOLO系列模型训练与验证。资源包共约2000个文件以1986个xml标注文件为主另含少量html教程、txt说明与py脚本压缩包约115.12MB体积轻便便于本地部署。标签同时提供voc、coco和yolo三种格式分别存放于不同文件夹省去格式转换环节。随包附赠YOLO环境搭建、训练案例教程及数据集划分脚本可按需自行划分训练集、验证集与测试集快速跑通从数据准备到模型训练的全流程。目前已有535人学习下载适合想练手目标检测、复现YOLO训练流程或搭建猫狗识别应用的读者参考使用。1. 从一堆散装文件到能跑的训练管线这套猫狗检测资源到底省了哪几步如果你做过目标检测大概率经历过这个场景网上找到一份数据集图片倒是能看但标签只有一种格式想换 YOLO 训练还得自己写转换脚本好不容易转完又发现没有划分脚本手动分训练集验证集分到怀疑人生。这套 YOLO 猫狗目标检测数据集本质上就是把这几个最耗时的环节一次性打包好了——5000 张真实场景图片同时提供 VOCxml、COCOjson、YOLOtxt三种标签格式外加训练集/验证集/测试集划分脚本和 Windows、Linux 双平台的 YOLO 环境搭建与训练教程。它解决的不是有没有数据的问题而是从拿到数据到跑通训练这条链路上反复造轮子的痛点。适合两类人一是刚接触目标检测、想找一个完整案例把流程走通的新手二是手头有自己数据、想参考一套标准划分和转换流程的从业者。下面按实际拆包后的使用顺序把这份资源怎么用、参数怎么调、哪里容易翻车讲清楚。2. 三种标签格式的差异与转换逻辑为什么不能只留 YOLO 格式2.1 VOC、COCO、YOLO 三种格式的核心区别很多人拿到数据集第一反应是我只要 YOLO 格式其他删掉。先别急三种格式各有存在价值理解它们的差异能帮你在后续换框架或做数据增强时少走弯路。VOC 格式以 xml 文件存储每个标注框记录xmin、ymin、xmax、ymax四个绝对像素坐标外加类别名。它的优点是可读性强用 labelImg 打开就能直接改适合人工校验标注质量。缺点是文件体积大5000 张图对应 5000 个 xml批量处理时 IO 开销明显。COCO 格式把所有标注集中在一个 json 文件里坐标同样是绝对像素值但结构是[x, y, width, height]。它的优势是单文件管理方便pycocotools 生态成熟做评估时 mAP 计算直接调库就行。缺点是 json 文件一旦损坏整个数据集的标注全丢而且大文件用文本编辑器打开基本卡死。YOLO 格式每张图对应一个 txt每行是class_id x_center y_center width height全部归一化到 0~1 之间。这是 YOLO 系列训练直接吃的格式也是三种里最紧凑的。但归一化坐标不可读改一个框得先反算回像素值人工调整很别扭。提示如果后续要做数据增强比如 mosaic、mixupYOLO 格式最方便如果要做标注质量抽检切回 VOC 格式用 labelImg 看最直观。2.2 格式转换的关键参数与代码实现资源包里已经分好了三个文件夹但如果你自己有一批 VOC 标注想转成 YOLO下面这段脚本可以直接抄。核心逻辑是读 xml 里的绝对坐标除以图片宽高做归一化同时把类别名映射成从 0 开始的整数 id。import os import xml.etree.ElementTree as ET from PIL import Image # 类别映射表必须和训练时的 data.yaml 保持一致 CLASS_MAP {cat: 0, dog: 1} def voc_to_yolo(xml_dir, img_dir, out_dir): os.makedirs(out_dir, exist_okTrue) for xml_file in os.listdir(xml_dir): if not xml_file.endswith(.xml): continue tree ET.parse(os.path.join(xml_dir, xml_file)) root tree.getroot() # 图片文件名从 xml 的 filename 字段取不要靠 xml 文件名猜 img_name root.find(filename).text img_path os.path.join(img_dir, img_name) w, h Image.open(img_path).size lines [] for obj in root.findall(object): cls_name obj.find(name).text if cls_name not in CLASS_MAP: continue cls_id CLASS_MAP[cls_name] bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) # 归一化中心点坐标和宽高都除以图片尺寸 x_center (xmin xmax) / 2.0 / w y_center (ymin ymax) / 2.0 / h bw (xmax - xmin) / w bh (ymax - ymin) / h lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {bw:.6f} {bh:.6f}) out_file os.path.join(out_dir, xml_file.replace(.xml, .txt)) with open(out_file, w) as f: f.write(\n.join(lines)) voc_to_yolo(./annotations_xml, ./images, ./labels_yolo)这段代码有几个参数需要根据实际情况改。CLASS_MAP必须和后续训练配置文件里的names列表顺序完全一致否则模型学出来的类别会错位。归一化保留 6 位小数是 YOLO 官方推荐的精度再少可能影响小目标框的准确性。另外注意img_name是从 xml 内部读的不是从 xml 文件名推导的——有些标注工具导出的 xml 文件名和实际图片名不一致靠文件名猜会翻车。COCO 转 YOLO 的逻辑类似区别在于 COCO 的 json 里bbox字段本身就是[x, y, w, h]格式但它是绝对像素值还是需要除以图片宽高。而且 COCO 的category_id不一定从 0 开始连续需要自己建映射表重新编号。3. 数据集划分脚本怎么用train/val/test 比例与随机种子控制3.1 划分脚本的三种模式与适用场景资源包里带了三个划分脚本分别对应不同需求。训练集、验证集、测试集划分脚本图片标签划分写入新文件夹.py是把图片和标签一起复制到新的 train/val/test 文件夹适合需要物理隔离数据的场景。训练集、验证集划分脚本图片标签划分写入新文件夹.py只分 train 和 val 两份适合数据量不大、不想单独留测试集的情况。split_train_val生成ImageSets下txt文件划分脚本.py不复制文件只生成 ImageSets 目录下的 txt 索引文件适合数据量大、不想占双倍磁盘空间的场景。选哪种取决于你的磁盘和后续流程。如果要做多次不同比例的实验用索引文件模式最灵活改个比例重跑脚本就行不用反复复制几十 G 的图片。如果是一次性划分完就不动了物理复制更省心后续训练直接指向对应文件夹即可。3.2 划分比例设置与随机种子固定下面以三份划分脚本为例说明关键参数怎么调。核心就两个比例和随机种子。import os import random import shutil # 关键参数 VAL_RATIO 0.2 # 验证集比例 TEST_RATIO 0.1 # 测试集比例 SEED 42 # 随机种子固定后每次划分结果一致 random.seed(SEED) img_dir ./images label_dir ./labels out_root ./dataset_split # 收集所有图片文件名不含扩展名 names [os.path.splitext(f)[0] for f in os.listdir(img_dir) if f.endswith(.jpg)] random.shuffle(names) n_total len(names) n_val int(n_total * VAL_RATIO) n_test int(n_total * TEST_RATIO) n_train n_total - n_val - n_test splits { train: names[:n_train], val: names[n_train:n_train n_val], test: names[n_train n_val:] } for split, name_list in splits.items(): img_out os.path.join(out_root, split, images) lbl_out os.path.join(out_root, split, labels) os.makedirs(img_out, exist_okTrue) os.makedirs(lbl_out, exist_okTrue) for name in name_list: shutil.copy(os.path.join(img_dir, name .jpg), os.path.join(img_out, name .jpg)) shutil.copy(os.path.join(label_dir, name .txt), os.path.join(lbl_out, name .txt)) print(ftrain: {n_train}, val: {n_val}, test: {n_test})SEED这个参数很多人忽略但不固定种子的话每次跑划分脚本结果都不一样实验没法复现。我一般固定成 42 或 0团队里统一一个值。VAL_RATIO和TEST_RATIO的常见设置是 8:1:1 或 7:2:15000 张图的话验证集 500~1000 张足够评估用测试集 500 张左右能给出稳定的指标。注意划分前一定要确认图片和标签文件名一一对应。如果某张图没有对应的 txt 标签复制时会直接报 FileNotFoundError这时候要么补标签要么把这张图排除掉不要跳过——跳过会导致训练时找不到部分图片。3.3 划分后的目录结构校验划分完成后建议跑一段校验代码确认没有遗漏和错位。import os for split in [train, val, test]: img_set set(os.path.splitext(f)[0] for f in os.listdir(f./dataset_split/{split}/images)) lbl_set set(os.path.splitext(f)[0] for f in os.listdir(f./dataset_split/{split}/labels)) only_img img_set - lbl_set only_lbl lbl_set - img_set print(f{split}: 图片 {len(img_set)}, 标签 {len(lbl_set)}, 缺标签 {len(only_img)}, 缺图片 {len(only_lbl)})如果缺标签或缺图片不为 0说明划分过程中有文件不配对需要回到原始数据排查。这个校验步骤花不了几秒钟但能避免训练跑了一半才报错。4. Windows 与 Linux 双平台环境搭建从 CUDA 到 ultralytics 安装4.1 Windows 平台环境搭建步骤资源包里的 Windows 教程覆盖了从显卡驱动到 YOLO 训练框架的完整链路。按实际踩坑经验顺序不能乱先确认显卡驱动版本再装 CUDA Toolkit然后装 cuDNN最后装 PyTorch 和 ultralytics。第一步打开命令行执行nvidia-smi右上角显示的CUDA Version是你驱动支持的最高 CUDA 版本。比如显示 12.1那你装 CUDA 11.8 或 12.1 都可以但不能装 12.4。第二步去 NVIDIA 官网下载对应版本的 CUDA Toolkit。安装时选自定义取消勾选 Visual Studio Integration除非你确实要用 VS 编译其他默认即可。第三步装 PyTorch。不要直接pip install torch那样装的是 CPU 版本。要去 PyTorch 官网复制对应 CUDA 版本的安装命令比如pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118第四步装 ultralyticspip install ultralytics装完后验证 GPU 是否可用import torch print(torch.cuda.is_available()) # 应该输出 True print(torch.cuda.get_device_name(0)) # 显示显卡型号如果is_available()返回 False九成是 PyTorch 装成了 CPU 版卸载重装对应 CUDA 版本的即可。4.2 LinuxUbuntu平台环境搭建要点Linux 下的流程和 Windows 类似但多了几个容易翻车的点。首先是驱动安装Ubuntu 自带的 nouveau 驱动会和 NVIDIA 驱动冲突需要先禁用sudo bash -c echo blacklist nouveau /etc/modprobe.d/blacklist-nvidia-nouveau.conf sudo bash -c echo options nouveau modeset0 /etc/modprobe.d/blacklist-nvidia-nouveau.conf sudo update-initramfs -u sudo reboot重启后进 BIOS 关闭 Secure Boot再用ubuntu-drivers devices查看推荐的驱动版本用apt install安装。装完nvidia-smi能正常输出就说明驱动 OK。CUDA 和 cuDNN 在 Linux 下建议用 runfile 方式安装比 apt 更可控。装完后记得把 CUDA 路径写进环境变量export PATH/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH/usr/local/cuda/lib64:$LD_LIBRARY_PATHPyTorch 和 ultralytics 的安装命令和 Windows 一致。Linux 下额外建议装一下opencv-python-headless避免服务器上没有图形界面时 cv2 报错。提示如果实验室或公司服务器是多用户共用建议用 conda 创建独立环境不要直接装在系统 Python 里否则不同项目的 CUDA 版本冲突会让你很头疼。5. 训练配置与常见报错排查data.yaml 怎么写、BN 崩溃怎么办5.1 data.yaml 的关键字段与路径写法YOLO 训练的第一步是准备data.yaml这个文件告诉框架去哪里找图片、有几类目标。以下是对应这份猫狗数据集的配置path: ./dataset_split # 数据集根目录 train: train/images # 训练集图片路径相对于 path val: val/images # 验证集图片路径 test: test/images # 测试集图片路径可选 nc: 2 # 类别数 names: # 类别名列表顺序必须和标签里的 class_id 对应 0: cat 1: dogpath可以用绝对路径也可以用相对路径但相对路径是相对于你执行训练命令时所在的目录不是相对于 yaml 文件位置。很多人在这里翻车——yaml 放在configs/下path写./dataset_split结果在项目根目录执行训练时找不到数据。稳妥做法是path写绝对路径或者确保执行目录和 yaml 里的相对路径基准一致。names的顺序至关重要。如果你的标签里 cat 是 0、dog 是 1但 yaml 里写反了模型会把猫预测成狗而且 loss 还能正常下降——这种错误不看推理结果很难发现。5.2 启动训练与关键超参数配置写好后启动训练yolo detect train data./data.yaml modelyolov8n.pt epochs100 imgsz640 batch16几个关键参数的含义model指定预训练权重yolov8n.pt是最小的 nano 版本速度快但精度低数据量 5000 张的话建议从yolov8s.pt或yolov8m.pt起步。imgsz是输入分辨率640 是默认值如果图片里猫狗占画面比例很小可以提到 1280但显存占用会翻倍。batch根据显存调8G 显存跑 640 分辨率大概能上 1612G 能上 32。训练过程中重点关注mAP50和mAP50-95两个指标。mAP50是 IoU 阈值 0.5 时的平均精度涨到 0.8 以上说明模型基本可用了。mAP50-95更严格通常比mAP50低 0.15~0.25。如果训练 loss 一直在降但验证 mAP 不涨大概率是过拟合了需要加数据增强或减模型复杂度。5.3 避坑与常见问题排查现象一训练启动后报Dataset not found但路径明明是对的。原因通常是 yaml 里的相对路径基准和你执行命令的目录不一致。解决方法是把path改成绝对路径或者cd到 yaml 所在目录再执行训练。现象二训练几个 epoch 后 loss 突然变成 NaNBN 层崩溃。这是 YOLO 训练里比较常见的玄学问题通常和 batch size 太小或学习率太高有关。先把batch调大至少 8如果显存不够就降imgsz。还不行就把学习率从默认的 0.01 降到 0.001加lr00.001参数。另外检查数据里有没有标注框宽高为 0 的脏数据这种框会导致除零。现象三训练完推理时所有框都标成同一类。九成是data.yaml里names顺序和标签里的class_id对不上。回头检查转换脚本里的CLASS_MAP和 yaml 是否一致。另一个可能是某一类样本太少模型直接摆烂全预测成多数类这时候需要检查两类图片数量是否均衡。现象四nvidia-smi显示显存占满但 GPU 利用率接近 0。这是数据加载瓶颈CPU 预处理速度跟不上 GPU 计算速度。解决办法是把workers参数调大默认 8可以试 16或者把图片提前 resize 到接近imgsz的尺寸减少训练时的缩放开销。现象五验证集 mAP 比训练集低很多差距超过 0.2。典型过拟合。优先加数据增强YOLO 默认开了 mosaic 和 flip可以再加scale0.5和hsv_h0.015。如果还不行就换更小的模型或者检查训练集和验证集是不是同分布——划分脚本如果没打乱就切分可能出现训练集全是白天、验证集全是晚上的情况。6. 从跑通到跑好用混淆矩阵定位类别混淆与阈值调优训练跑通只是起点真正让模型可用的是后续的误差分析。YOLO 训练结束后会在runs/detect/train/下生成confusion_matrix.png这张图能直接告诉你模型把哪些类别搞混了。猫狗检测里最常见的是猫被预测成狗——尤其是幼猫和幼犬体型和毛色接近时模型确实容易懵。看混淆矩阵时重点关注对角线以外的数值。如果cat→dog的误判数量明显高于dog→cat说明猫的样本多样性不够需要补充不同姿态、不同光照的猫图。如果背景被大量预测成目标矩阵最后一行背景列数值高说明标注里可能漏标了一些猫狗模型把没标注的目标当成了背景推理时又强行检测出来。除了混淆矩阵results.png里的 P、R、mAP 曲线也值得细看。如果 Precision 很高但 Recall 很低说明模型只敢在特别确定的时候才输出框这时候可以降低推理时的置信度阈值。默认conf0.25可以试 0.1 看能不能召回更多目标代价是误检会增加。反过来如果 Recall 高但 Precision 低就提高阈值到 0.4 或 0.5。推理时还有一个iou参数控制 NMS 的合并阈值默认 0.7。如果同一只猫被输出了好几个重叠框把iou降到 0.5 能缓解。如果两只挨得很近的猫被合并成了一个框就把iou提到 0.8。yolo detect predict modelruns/detect/train/weights/best.pt source./test_images conf0.3 iou0.6我一般会在验证集上跑几组不同conf和iou的组合把结果导出来对比。具体做法是用yolo detect val加不同参数跑看 mAP 变化。通常conf0.001时 mAP 最高因为把所有可能的框都算进去了但实际部署时要用更高的阈值来平衡误检。从那以后我每次训练完都强制走一遍混淆矩阵和 PR 曲线的检查不再只看一个 mAP 数字就收工。这套猫狗数据集的价值不在于 5000 张图本身而在于它把格式转换、划分、训练、评估这条链路完整地串了起来让你能把精力花在调参和误差分析上而不是反复写格式转换脚本。希望帮到你。本文还有配套的精品资源点击获取