🔄Update: [Lab-4] yolov8n Train

.gitignore

@@ -2,3 +2,6 @@
 */img
 */data
 model
+runs
+datasets
+yolov8n.pt

Lab-4/src/train.py

@@ -0,0 +1,15 @@
+from ultralytics import YOLO
+
+# 1. 加载一个预训练模型（小规模模型，适合实验）
+# 可选模型: YOLOv8n, YOLOv8s, YOLOv8m, YOLOv8l, YOLOv8x (nano, small, medium, large, xlarge)
+model = YOLO('yolov8n.pt')
+
+# 2. 训练模型
+results = model.train(
+    data='coco128.yaml',  # 数据集配置文件，YOLOv8会自动识别并下载
+    epochs=50,            # 训练轮次，建议50-100轮以观察效果
+    imgsz=640,            # 输入图像大小
+    batch=16,             # 批次大小，根据GPU内存调整（CPU可设为-1）
+    name='yolov8n_coco128_exp1', # 实验名称，用于保存结果
+    device='cpu'          # 使用CPU训练，如果有GPU且环境配置好，可改为 device=0 或 'cuda'
+)