Báo Cáo Về Cách Thức Train Mô Hình Yolov8

Sinh viên:Nguyễn Thành Tâm

Lớp: S25-CNTT

Phần 1:Môi trường train yolov8

- Có rất nhiều môi trường để train yolov8 như : cài đặt YOLOv8 trực tiếp
trên máy tính cá nhân, Docker Container, Môi Trường Ảo (Virtual
Environment), Cloud Computing Platforms, Google Colab....
- Một số models trên yolov8

Phần 2:Môi Trường Google Colab.

- Google Colab (Colaboratory) là một dịch vụ miễn phí của Google giúp
người dùng thực hiện các tác vụ liên quan đến lập trình và máy học trong
môi trường trực tuyến, cung cấp cả GPU để huấn luyện mô hình.
- Colab là một dịch vụ miễn phí được cung cấp bởi Google, cho phép bạn
sử dụng các tài nguyên máy học, bao gồm cả GPU, mà không cần chi trả
bất kỳ chi phí nào.
- Colab tích hợp sâu với Google Drive, cho phép bạn lưu trữ sổ ghi chú
(notebooks) và dữ liệu trực tiếp trong tài khoản Google Drive của bạn.
- Colab cung cấp môi trường máy học với GPU (Graphics Processing Unit)
và TPU (Tensor Processing Unit), giúp gia tăng tốc độ huấn luyện mô
hình machine learning.
- Sổ ghi chú Colab (Colab notebooks) sử dụng ngôn ngữ lập trình Python
và kết hợp mã nguồn, văn bản định dạng Markdown, và đồ họa. Điều này
tạo ra một môi trường tương tác phong phú cho việc thực hiện và chia sẻ
công việc lập trình.
- Colab cho phép bạn chia sẻ sổ ghi chú với người khác qua liên kết và hỗ
trợ hợp tác trực tuyến nhanh chóng.
- Colab không chỉ hỗ trợ machine learning mà còn cho các dự án lập trình
khoa học dữ liệu, xử lý ảnh, xử lý ngôn ngữ tự nhiên, và nhiều lĩnh vực
khác.
- Colab tích hợp với Google BigQuery, cho phép bạn truy vấn và xử lý dữ
liệu trực tiếp từ BigQuery.
 Giao diện khi bắt đầu với Google Colab.
- Mở trình duyệt web và truy cập Google Colab

Phần 3: Huấn luyện mô hình yolov8 với Google Colab.

3.1 Train một bức ảnh.
Bước 1: Cài đặt thư viện ultralytics.
- Nhấn vào mã để nhập lệnh.
- Sau đó sử dụng lệnh “!pip install ultralytics” để cài đặt thư viện .
- Cuối cùng nhấn vào biểu tượng nút play để chạy chương trình.

Set
up thư viện.

Bước 2: Tải xuống một tệp trọng số (weights) cho mô hình YOLOv8.
 - Đây có thể là một bước quan trọng trong quá trình cài đặt và sử dụng mô
hình YOLOv8, vì mô hình yêu cầu các trọng số được đào tạo để có thể
thực hiện các dự đoán chính xác. Tệp trọng số được tải xuống từ Github.
URL: https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n.pt

Tải tệp trọng số cho yolov8.

Bước 3:Tiến hành train 1 bức ảnh.
- Chúng ta tiến hành nhập lệnh vào “!yolo task=detect mode=predict
model=yolov8n.pt source="https://media.nature.com/lw1024/magazine-
assets/d41586-018-07135-0/d41586-018-07135-0_16216568.jpg" “.
- Trên đây sử yolov8n.pt hay còn gọi là models nano ,models này giúp
chúng ta train nhanh hơn nhưng đổi lại độ chính xác không cao.
- Ghi đúng lệnh như trên source là bức ảnh ta muốn train và bắt đầu chạy
lệnh .

Hình ảnh sau khi train thành công 1 bức ảnh .

 - Kết quả train sẽ lưu ở ” runs/detect/predict".

Đây là kết quả.

3.2.Train với một thư mục ảnh.
Bước 1.Liên kết Google Colab với Google Drive để lấy dữ liệu.
- Sử dụng lệnh
” from google.colab import drive
drive.mount('/content/drive')” để liên kết với Drive .Sau khi chạy lệnh xong
nhấn nút refresh sẽ xuất hiện thư mục drive.
Bước 2:Tải file ảnh lên drive sau đó tiến hành giải nén và tổ chức vào thư mục
train.

- Sử dụng các lệnh như sau để giải nén và tổ chức thư mục.

- Chuyển đường dẫn đến “/content/drive/MyDrive/data “ bằng lệnh cd .Sau

đó giải nén file có lưu ảnh,video (firedata.zip).
- Tổ chức lại thư mục vào train bằng cách tạo một thư mục train bằng
mkdir .Tạo 2 thư mục trong thư mục train gồm images và labels để chứa
 ảnh và nhãn .Chuyển tất cả các file có đuôi .jpg vào thư mục images và
tất cả các file có đuôi .txt vào thư mục labels.
Bước 3:Tạo ra file yaml để chứa các thông số của yolov8.
- Chức năng của file yaml để chưa các thông số để yolov8 đọc từ file này
biết được các thông số ,nơi lưu ảnh ,class ,....
- Bắt đầu tạo file yaml.

- Tạo ra file mydataset.yaml nằm trong thư mục data ,dòng đầu tiên chứa
thư mục train, dòng thứ hai chứa thư mục val để kiểm tra model ,dòng
thứ 3 “nc” nghĩa là number of class chứa 1 class, và dòng cuối chưa tên
của class (fire).
Bước 4:Tiến hành train với CLI
- Sử dụng lệnh như sau :

- Sau khi chương trình chạy hoàn tất sẽ được lưu tại “runs/detect/train7”

Các file nhận được sau khi hoàn tất train.

 Một số hình ảnh đã được train.

Kết luận :
- Bằng cách sử dụng Google Colab, chúng ta có thể huấn
luyện mô hình YOLOv8 một cách dễ dàng và hiệu quả.
- Colab cung cấp miễn phí GPU, giúp gia tăng tốc độ huấn
luyện.
 Mục lục

YOLOv8
Phần 1:Môi trường train yolov8.........................................................................................................1
Phần 2:Môi Trường Google Colab.....................................................................................................1
Phần 3: Huấn luyện mô hình yolov8 với Google Colab....................................................................2
3.1 Train một bức ảnh.....................................................................................................................2
3.2.Train với một thư mục ảnh.......................................................................................................4