改进yolo11模型学习

YOLOv8本地环境配置与调试自定义模块全过程（含断点调试）

学习视频：【教程】改进yolov8，缝合yolov8
up主：学不会电磁场

---

配置环境

创建 Anaconda 虚拟环境

conda create -n yolov8 python=3.8

可根据需要修改 Python 版本，建议 3.8 是因为与 YOLOv8 和 PyTorch 的兼容性好。

安装 PyTorch

pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

---

下载 YOLOv8 代码

链接: https://pan.baidu.com/s/1fTd5_OCKjz5JxWuVxPHVjg?pwd=6qv7 提取码: 6qv7

将代码下载并解压至本地，例如路径为：

G:\BaiduNetdiskDownload\yolo_change\yolov8\YOLOv8-main

把所有的文件解压后放在一起：

---

安装依赖

cd G:\BaiduNetdiskDownload\yolo_change\yolov8\YOLOv8-main
pip install -r requirements.txt

---

新建训练入口脚本 train.py

内容如下：

from ultralytics import YOLOif __name__ == "__main__":model = YOLO("ultralytics/models/v8/yolov8n.yaml")model.train(data="dataset/data.yaml", epochs=300, imgsz=640, batch=2)

---

修改 data.yaml

train: G:/BaiduNetdiskDownload/yolo_change/yolov8/YOLOv8-main/dataset/train/images
val: G:/BaiduNetdiskDownload/yolo_change/yolov8/YOLOv8-main/dataset/valid/images
test: G:/BaiduNetdiskDownload/yolo_change/yolov8/YOLOv8-main/dataset/test/imagesnc: 10
names: ['cat', 'chicken', 'cow', 'dog', 'fox', 'goat', 'horse', 'person', 'racoon', 'skunk']

---

设置解释器（确保使用 Anaconda 的 yolov8 虚拟环境）

---

运行报错解决

当运行 train.py 报如下错误：

ModuleNotFoundError: No module named 'cv2'

原因分析：

YOLOv8 使用了 OpenCV 进行图像处理，当前环境未安装 cv2 模块。

解决办法：

pip install opencv-python

---

成功运行模型后，进行断点调试

查找并打断点（以 sppf 为例）

找到 modules.py 文件中 sppf 模块的位置：

运行调试，查看模型结构：

确认模型能运行时，观察以下变量的 shape：

self.cv2(torch.cat((x, y1, y2, self.m(y2)), 1)).shape

---

加入 ViT 模块进行调试

先在 vit.py 中编写自己的模块，测试无误后：

将 vit.py 中的模块复制粘贴至 modules.py 中，确保模块功能正常。

---

修改模型结构（以 yolov8n 为例）

将自定义模块插入网络第10层，并修改后续结构以匹配输出维度：

记得在 yaml 文件中更新该结构。

---

验证前向传播

再次打断点调试，确认进入了自定义模块的 forward 流程：

---

小技巧：快速定位卷积层

若要调试模型中第一个卷积层，可结合名称查找：

---

总结

本文从环境配置、训练脚本编写、运行调试到模型结构修改，完整记录了 YOLOv8 本地部署及自定义模块调试的全过程。你可以在此基础上深入修改结构、添加注意力模块或融合 Transformer。