训练yolov8模型时，box_loss、cls_loss、dfl_loss为nan解决方法

最新推荐文章于 2025-06-25 17:41:51 发布

一颗小核桃

最新推荐文章于 2025-06-25 17:41:51 发布

阅读量1.4k

点赞数 5

CC 4.0 BY-SA版权

文章标签： YOLO python 目标检测深度学习

本文链接：https://blog.csdn.net/hetao0153/article/details/142972953

配置环境

环境为YOLOv8.1.45 Python-3.10.12 torch-2.2.0 CUDA:0 (NVIDIA GeForce GTX 1650, 4096MiB)。

问题描述

本次模拟训练使用KITTI的公开数据集，选取了128张图片与标签作为训练集，32张图片与标签作为验证集。

训练集图片与标签如图所示：

标签符合yolo的格式

训练代码为

import ultralytics
from ultralytics import YOLO

def train_yolov8_on_kitti():
    # 加载 YOLOv8 模型（你可以选择不同的模型，如 yolov8n、yolov8s、yolov8m 等）
    model = YOLO('yolov8s.pt')  # 使用预训练权重初始化

    # 数据配置文件的路径（请确保 kitti.yaml 文件已经被正确设置）
    data_yaml = 'kitti.yaml'  # 替换为你自己的数据配置文件路径

    # 训练超参数
    epochs = 15  # 设置训练的轮数
    batch_size = 8  # 批大小，根据你的显存大小进行调整
    img_size = 640  # 输入图像尺寸
    learning_rate = 0.001  # 初始学习率

    try:
        # 开始训练
        model.train(