so-vits-svc3.0 中文详细安装训练推理使用教程
Posted Sucial
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了so-vits-svc3.0 中文详细安装训练推理使用教程相关的知识，希望对你有一定的参考价值。
SO-VITS-SVC3.0详细安装、训练、推理使用步骤
2023-3-12文档更新说明：
由于特殊原因，本项目文档将停止更新，详情请见原作者首页，感谢各位的支持！
本文档的Github项目地址 点击前往
本帮助文档为项目 so-vits-svc补档 的详细中文安装、调试、推理教程，您也可以直接选择官方README文档
撰写：Sucial 点击跳转B站主页
1. 环境依赖
- 本项目需要的环境：
NVIDIA-CUDA
Python <= 3.10
Pytorch
FFmpeg
- Cuda
-
在cmd控制台里输入
nvidia-smi.exe以查看显卡驱动版本和对应的cuda版本 -
前往 NVIDIA-Developer 官网下载与系统对应的Cuda版本
以Cuda-11.7版本为例（注：本文下述所有配置均在Cuda-11.7下演示）Cuda11.7下载地址 根据自己的系统和需求选择安装（一般本地Windows用户请依次选择Windows,x86_64,系统版本,exe(local)） -
安装成功之后在cmd控制台中输入
nvcc -V, 出现类似以下内容则安装成功：
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Tue_May__3_19:00:59_Pacific_Daylight_Time_2022
Cuda compilation tools, release 11.7, V11.7.64
Build cuda_11.7.r11.7/compiler.31294372_0
特别注意！
- 目前为止pytorch最高支持到
cuda11.7 - 如果您在上述第一步中查看到自己的Cuda版本>11.7，请依然选择11.7进行下载安装（Cuda有版本兼容性）并且安装完成后再次在cmd输入
nvidia-smi.exe并不会出现cuda版本变化，即任然显示的是>11,7的版本 - Cuda的卸载方法：**打开控制面板-程序-卸载程序，将带有
NVIDIA CUDA的程序全部卸载即可（一共5个）
- Python
- 前往 Python官网 下载Python，版本需要低于3.10（详细安装方法以及添加Path此处省略，网上随便一查都有）
- 安装完成后在cmd控制台中输入
python出现类似以下内容则安装成功：
Python 3.10.4 (tags/v3.10.4:9d38120, Mar 23 2022, 23:13:41) [MSC v.1929 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>>
- 配置python下载镜像源（有国外网络条件可跳过）
在cmd控制台依次执行
# 设置清华大学下载镜像
pip config set global.index-url http://pypi.tuna.tsinghua.edu.cn/simple
pip config set global.trusted-host pypi.tuna.tsinghua.edu.cn
安装依赖库
- 在任意位置新建名为
requirements.txt的文本文件，输入以下内容保存
Flask==2.1.2
Flask_Cors==3.0.10
gradio==3.4.1
numpy==1.23.5
playsound==1.3.0
PyAudio==0.2.12
pydub==0.25.1
pyworld==0.3.2
requests==2.28.1
scipy==1.10.0
sounddevice==0.4.5
SoundFile==0.10.3.post1
starlette==0.19.1
tqdm==4.63.0
scikit-maad
praat-parselmouth
tensorboard
librosa
- 在该文本文件所处文件夹内右击空白处选择 在终端中打开 并执行下面命令以安装库（若出现报错请尝试用
pip install [库名称]重新单独安装直至成功）
pip install -r requirements.txt
- 接下来我们需要单独安装
torch,torchaudio,torchvision这三个库，下面提供两种方法
方法1（便捷但不建议，因为我在测试这种方法过程中发现有问题，对后续配置AI有影响
直接前往 Pytorch官网 选择所需版本然后复制Run this Command栏显示的命令至cmd安装（不建议）
方法2（较慢但稳定，建议）
- 前往该地址使用
Ctrl+F搜索直接下载whl包 点击前往 https://download.pytorch.org/whl/
- 这个项目需要的是
torch==1.13.0+cu117
torchaudio==0.13.0+cu117
torchvision-0.14.0+cu117
1.13.0 和0.13.0表示是pytorch版本，cu117表示cuda版本11.7
以此类推，请选择 适合自己的版本 安装
- 下面我将以
Cuda11.7版本为例
–示例开始–
- 我们需要安装以下三个库
torch-1.13.0+cu117点击下载：torch-1.13.0+cu117-cp310-cp310-win_amd64.whl
其中cp310指python3.10,win-amd64表示windows 64位操作系统torchaudio-0.13.0+cu117点击下载：torchaudio-0.13.0+cu117-cp310-cp310-win_amd64.whltorchvision-0.14.0+cu117点击下载：torchvision-0.14.0+cu117-cp310-cp310-win_amd64.whl
- 下载完成后进入进入下载的whl文件的目录，在所处文件夹内右击空白处选择 在终端中打开 并执行下面命令以安装库
pip install .\\torch-1.13.0+cu117-cp310-cp310-win_amd64.whl
# 回车运行(安装时间较长)
pip install .\\torchaudio-0.13.0+cu117-cp310-cp310-win_amd64.whl
# 回车运行
pip install .\\torchvision-0.14.0+cu117-cp310-cp310-win_amd64.whl
# 回车运行
- 务必在出现
Successfully installed ...之后再执行下一条命令，第一个torch包安装时间较长
–示例结束–
安装完torch, torchaudio, torchvision这三个库之后，在cmd控制台运用以下命令检测cuda与torch版本是否匹配
python
# 回车运行
import torch
# 回车运行
print(torch.__version__)
# 回车运行
print(torch.cuda.is_available())
# 回车运行
- 最后一行出现
True则成功，出现False则失败，需要重新安装
- FFmpeg
- 前往 FFmpeg官网 下载。解压至任意位置并在高级系统设置-环境变量中添加Path定位至
.\\ffmpeg\\bin（详细安装方法以及添加Path此处省略，网上随便一查都有） - 安装完成后在cmd控制台中输入
ffmpeg -version出现类似以下内容则安装成功
ffmpeg version git-2020-08-12-bb59bdb Copyright (c) 2000-2020 the FFmpeg developers
built with gcc 10.2.1 (GCC) 20200805
configuration: [此处省略一大堆内容]
libavutil 56. 58.100 / 56. 58.100
libavcodec 58.100.100 / 58.100.100
...
2. 预训练AI
- 下载项目源码
-
前往 so-vits-svc补档 选择
32k分支（本教程针对32k）下载源代码。 -
解压到任意文件夹
- 下载预训练模型
- 这部分官方文档写得很详细，我这边直接引用
hubert
https://github.com/bshall/hubert/releases/download/v0.1/hubert-soft-0d54a1f4.pt
G与D预训练模型
https://huggingface.co/innnky/sovits_pretrained/resolve/main/G_0.pth
https://huggingface.co/innnky/sovits_pretrained/resolve/main/D_0.pth
上述三个底模如果原链接下载不了请点击下方的链接
https://pan.baidu.com/s/1uw6W3gOBvMbVey1qt_AzhA?pwd=80eo 提取码：80eo
hubert-soft-0d54a1f4.pt放入.\\hubert文件夹D_0.pth和G_0.pth文件放入.\\logs\\32k文件夹
- 准备训练样本
准备的训练数据，建议60-100条语音(格式务必为wav，不同的说话人建立不同的文件夹)，每条语音控制在4-8秒！（确保语音不要有噪音或尽量降低噪音，一个文件夹内语音必须是一个人说的），可以训练出效果不错的模型
- 将语音连带文件夹（有多个人就多个文件夹）一起放入
.\\dataset_raw文件夹里，文件结构类似如下：
dataset_raw
├───speaker0
│ ├───xxx1-xxx1.wav
│ ├───...
│ └───Lxx-0xx8.wav
└───speaker1
├───xx2-0xxx2.wav
├───...
└───xxx7-xxx007.wav
- 此外还需要在
.\\dataset_raw文件夹内新建并编辑config.json，代码如下：
"n_speakers": 10 //修改数字为说话人的人数
"spk":
"speaker0": 0, //修改speaker0为第一个说话人的名字，需要和文件夹名字一样，后面的: 0, 不需要改
"speaker1": 1, //以此类推
"speaker2": 2,
//以此类推
- 样本预处理
下面的所有步骤若出现报错请多次尝试，若一直报错就是第一部分环境依赖没有装到位，可以根据报错内容重新安装对应的库。（一般如果正确安装了的话出现报错请多次尝试或者关机重启，肯定可以解决报错的。）
1. 重采样
- 在
so-vits-svc文件夹内运行终端，直接执行：
python resample.py
注意：如果遇到如下报错：
...
E:\\vs\\so-vits-svc-32k\\resample.py:17: FutureWarning: Pass sr=None as keyword args. From version 0.10 passing these as positional arguments will result in an error
wav, sr = librosa.load(wav_path, None)
E:\\vs\\so-vits-svc-32k\\resample.py:17: FutureWarning: Pass sr=None as keyword args. From version 0.10 passing these as positional arguments will result in an error
wav, sr = librosa.load(wav_path, None)
...
请打开resample.py，修改第17行内容
# 第17行修改前如下
wav, sr = librosa.load(wav_path, None)
# 第17行修改后如下
wav, sr = librosa.load(wav_path, sr = None)
保存，重新执行python resample.py命令
- 成功运行后，在
.\\dataset\\32k文件夹中会有说话人的wav语音，之后dataset_raw文件夹就可以删除了
2. 自动划分训练集，验证集，测试集，自动生成配置文件
- 在
so-vits-svc文件夹内运行终端，直接执行：
python preprocess_flist_config.py
- 出现类似以下内容则处理成功：
PS E:\\vs\\so-vits-svc-32k> python preprocess_flist_config.py
100%|██████████████████████████████████████████████████████████████████████████████████| 1/1 [00:00<00:00, 1993.49it/s]
Writing ./filelists/train.txt
100%|██████████████████████████████████████████████████████████████████████████████████████████| 16/16 [00:00<?, ?it/s]
Writing ./filelists/val.txt
100%|████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:00<?, ?it/s]
Writing ./filelists/test.txt
100%|████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:00<?, ?it/s]
Writing configs/config.json
3. 生成hubert和f0
- 在
so-vits-svc文件夹内运行终端，直接执行：
python preprocess_hubert_f0.py
- 出现类似以下内容则处理成功：（我这里演示时只用了20条音频）
PS E:\\vs\\so-vits-svc-32k> python preprocess_hubert_f0.py
Loading hubert for content...
Loaded hubert.
0%| | 0/20 [00:00<?, ?it/s]dataset/32k\\speaker\\1_01.wav
5%|████ | 1/20 [00:03<01:00, 3.20s/it]dataset/32k\\speaker\\1_02.wav
10%|████████ | 2/20 [00:03<00:25, 1.40s/it]dataset/32k\\speaker\\1_03.wav
15%|████████████ | 3/20 [00:03<00:14, 1.19it/s]dataset/32k\\speaker\\1_04.wav
20%|████████████████▌ | 4/20 [00:03<00:09, 1.69it/s]dataset/32k\\speaker\\1_05.wav
25%|████████████████████ | 5/20 [00:03<00:06, 2.39it/s]dataset/32k\\speaker\\1_06.wav
30%|████████████████████████ | 6/20 [00:04<00:04, 2.98it/s]dataset/32k\\speaker\\1_07.wav
35%|█████████████████████████████ | 7/20 [00:04<00:03, 3.48it/s]dataset/32k\\speaker\\1_08.wav
40%|█████████████████████████████████ | 8/20 [00:04<00:03, 3.78it/s]dataset/32k\\speaker\\1_09.wav
45%|█████████████████████████████████████ | 9/20 [00:04<00:02, 4.13it/s]dataset/32k\\speaker\\1_10.wav
50%|█████████████████████████████████████████ | 10/20 [00:04<00:02, 4.41it/s]dataset/32k\\speaker\\1_11.wav
55%|█████████████████████████████████████████████ | 11/20 [00:04<00:01, 4.71it/s]dataset/32k\\speaker\\1_12.wav
60%|█████████████████████████████████████████████████ | 12/20 [00:05<00:01, 4.93it/s]dataset/32k\\speaker\\1_13.wav
65%|█████████████████████████████████████████████████████ | 13/20 [00:05<00:01, 5.25it/s]dataset/32k\\speaker\\1_14.wav
70%|█████████████████████████████████████████████████████████ | 14/20 [00:05<00:01, 5.46it/s]dataset/32k\\speaker\\1_15.wav
75%|█████████████████████████████████████████████████████████████▌ | 15/20 [00:05<00:00, 6.19it/s]dataset/32k\\speaker\\1_16.wav
80%|█████████████████████████████████████████████████████████████████▌ | 16/20 [00:05<00:00, 5.84it/s]dataset/32k\\speaker\\1_17.wav
85%|█████████████████████████████████████████████████████████████████████ | 17/20 [00:06<00:00, 5.43it/s]dataset/32k\\speaker\\1_18.wav
90%|█████████████████████████████████████████████████████████████████████████ | 18/20 [00:06<00:00, 5.27it/s]dataset/32k\\speaker\\1_19.wav
95%|█████████████████████████████████████████████████████████████████████████████ | 19/20 [00:06<00:00, 5.26it/s]dataset/32k\\speaker\\1_20.wav
100%|██████████████████████████████████████████████████████████████████████████████████| 20/20 [00:06<00:00, 3.03it/s]
4. 修改配置文件和部分源代码
- 打开上面第二步过程中生成的配置文件
.\\configs\\config.json修改第13行代码"batch_size"的数值。这边解释一下"batch_size": 12,数值12要根据自己电脑的显存（任务管理器-GPU-专用GPU内存）来调整
- 修改建议
6G显存 建议修改成2或3
8G显存 建议修改成4
"batch_size"参数调小可以解决显存不够的问题
- 修改
train.py
# 第60行将nccl改成gloo（如果后续开始训练时gloo报错就改回nccl，一般不会报错）
# 修改前如下
dist.init_process_group(backend='nccl', init_method='env://', world_size=n_gpus, rank=rank)
# 修改后如下
dist.init_process_group(backend='gloo', init_method='env://', world_size=n_gpus, rank=rank)
# 第44行开始
# 修改前如下
n_gpus = torch.cuda.device_count()
os.environ['MASTER_ADDR'] = 'localhost'
os.environ['MASTER_PORT'] = hps.train.port
#修改后增加代码后如下
n_gpus = torch.cuda.device_count()
os.environ['MASTER_ADDR'] = 'localhost'
os.environ['MASTER_PORT'] = hps.train.port
os.environ["CUDA_VISIBLE_DEVICES"] = "0" # 这里的0代表GPU0是用来训练的显卡，不知道是0还是1的可以在任务管理器查看，如果是双显卡的话一定要选择适合的显卡
os.environ["PYTORCH_CUDA_ALLOC_CONF"] = "max_split_size_mb:32" # 这里的32如果懂的话也可以修改，不懂别改
3. 开始训练
- 在
so-vits-svc文件夹内运行终端，直接执行下面命令开始训练
注意：开始训练前建议重启一下电脑清理内存和显存，并且关闭后台游戏，动态壁纸等等软件，最好只留一个cmd窗口
python train.py -c configs/config.json -m 32k
- 出现以下报错就是显存不够了
torch.cuda.OutOfMemoryError: CUDA out of menory. Tried to allocate 16.80 MiB (GPU 0; 8.0 GiB total capacity; 7.11 Gi8 already allocated; 0 bytes free; 7.30 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting max_split_size_mb to avoid fragmentation. See documentation for Memory Management and PYTORCH_cUDA_ALLOC_CONF
# 注意：一定是 0 bytes free < Tried to allocate 16.80 MiB 才是显存不足，不然就是别的问题
- 这边报错可能会比较多，如果出现报错先尝试重新执行
python train.py -c configs/config.json -m 32k，多重试几遍，或者关机重启，一般是会成功的。如果报错一直是同一个报错，那就是对应的那里出问题了（要靠报错找问题所在） - 成功执行以后应该是类似如下内容：
2023-02-08 18:07:42,439 32k INFO 'train': 'log_interval': 200, 'eval_interval': 1000, 'seed': 1234, 'epochs': 10000, 'learning_rate': 0.0001, 'betas': [0.8, 0.99], 'eps': 1e-09, 'batch_size': 2, 'fp16_run': False, 'lr_decay': 0.999875, 'segment_size': 17920, 'init_lr_ratio': 1, 'warmup_epochs': 0, 'c_mel': 45, 'c_kl': 1.0, 'use_sr': True, 'max_speclen': 384, 'port': '8001', 'data': 'training_files': 'filelists/train.txt', 'validation_files': 'filelists/val.txt', 'max_wav_value': 32768.0, 'sampling_rate': 32000, 'filter_length': 1280, 'hop_length': 320, 'win_length': 1280, 'n_mel_channels': 80, 'mel_fmin': 0.0, 'mel_fmax': None, 'model': 'inter_channels': 192, 'hidden_channels': 192, 'filter_channels': 768, 'n_heads': 2, 'n_layers': 6, 'kernel_size': 3, 'p_dropout': 0.1, 'resblock': '1', 'resblock_kernel_sizes': [3, 7, 11], 'resblock_dilation_sizes': [[1, 3, 5], [1, 3, 5], [1, 3, 5]], 'upsample_rates': [10, 8, 2, 2], 'upsample_initial_channel': 512, 'upsample_kernel_sizes': [16, 16, 4, 4], 'n_layers_q': 3, 'use_spectral_norm': False, 'gin_channels': 256, 'ssl_dim': 256, 'n_speakers': 2, 'spk': 'Sucial': 0, 'model_dir': './logs\\\\32k'
2023-02-08 18:07:42,440 32k WARNING E:\\vs\\so-vits-svc-32k is not a git repository, therefore hash value comparison will be ignored.
2023-02-08 18:07:45,451 32k INFO Loaded checkpoint './logs\\32k\\G_0.pth' (iteration 1)
2023-02-08 18:07:45,998 32k INFO Loaded checkpoint './logs\\32k\\D_0.pth' (iteration 1)
2023-02-08 18:07:55,722 32k INFO Train Epoch: 1 [0%]
2023-02-08 18:07:55,723 32k INFO [1.376741886138916, 3.908522129058838, 12.127800941467285, 35.539894104003906, 4.270486354827881, 0, 0.0001]
2023-02-08 18:08:01,381 32k INFO Saving model and optimizer state at iteration 1 to ./logs\\32k\\G_0.pth
2023-02-08 18:08:02,344 32k INFO Saving model and optimizer state at iteration 1 to ./logs\\32k\\D_0.pth
2023-02-08 18:08:19,482 32k INFO ====> Epoch: 1
2023-02-08 18:08:40,093 32k INFO ====> Epoch: 2
2023-02-08 18:09:01,010 32k INFO ====> Epoch: 3
2023-02-08 18:09:21,715 32k INFO ====> Epoch: 4
2023-02-08 18:09:42,242 32k INFO ====> Epoch: 5
2023-02-08 18:10:02,528 32k INFO ====> Epoch: 6
2023-02-08 18:10:22,965 32k INFO ====> Epoch: 7
2023-02-08 18:10:29,149 32k INFO Train Epoch: 8 [14%]
2023-02-08 18:10:29,150 32k INFO [2.378505229949951, 2.3670239448547363, 10.534687042236328, 19.235595703125, 1.8958038091659546, 200, 9.991253280566489e-05]
2023-02-08 18:10:43,388 32k INFO ====> Epoch: 8
2023-02-08 18:11:03,722 32k INFO ====> Epoch: 9
2023-02-08 18:11:23,859 32k INFO ====> Epoch: 10
...
- 出现类似以上的内容就说明是在开始训练了（显存会直接爆满）。停止训练有下面两种方法：
- 按
Ctrl+C- 直接右上角叉掉
在控制台中运行python train.py -c config/config.json -m 32k即可继续训练
- 日志及训练次数的查看
- 日志保存的位置：
.\\logs\\32k\\train.log
阅读举例：
# 示例3
2023-02-08 18:32:24,942 32k INFO [2.252035617828369, 2.5846095085144043, 8.220404624938965, 5 17.75478744506836, 0.9781494140625, 2000, 9.911637167309565e-05]
2023-02-08 18:32:28,889 32k INFO Saving model and optimizer state at iteration 72 to ./logs\\32k\\G_2000.pth
2023-02-08 18:32:29,661 32k INFO Saving model and optimizer state at iteration 72 to ./logs\\32k\\D_2000.pth
# 示例1
2023-02-08 18:32:39,907 32k INFO ====> Epoch: 72
2023-02-08 18:33:00,099 32k INFO ====> Epoch: 73
2023-02-08 18:33:20,682 32k INFO ====> Epoch: 74
2023-02-08 18:33:40,887 32k INFO ====> Epoch: 75
2023-02-08 18:34:01,460 32k INFO ====> Epoch: 76
2023-02-08 18:34:21,798 32k INFO ====> Epoch: 77
2023-02-08 18:34:41,866 32k INFO ====> Epoch: 78
2023-02-08 18:34:54,712 32k INFO Train Epoch: 79 [57%]
# 示例2
2023-02-08 18:34:54,712 32k INFO [2.282658100128174, 2.5492446422576904, 10.027194023132324, 15.401838302612305, 1.598284363746643, 2200, 9.902967736366644e-05]
以下的解释我引用了B站up主inifnite_loop的解释，相关视频 相关专栏
- 需要关注两个参数：Epoch和global_step
Epoch表示迭代批次，每一批次可以看作一个迭代分组
Global_step表示总体迭代次数- 两者的关系是global_step = 最多语音说话人的语音数 / batch_size * epoch
batch_size是配置文件中的参数- 示例1: 每一次迭代输出内
====> Epoch: 74表示第74迭代批次完成- 示例2:
Global_step每200次输出一次 （配置文件中的参数log_interval）- 示例3:
Global_step每1000次输出一次（配置文件中的参数eval_interval），会保存模型到新的文件
一般情况下训练10000次（大约2小时）就能得到一个不错的声音模型了
- 保存的训练模型
以上，我们谈论到了每1000次迭代才会保存一次模型样本，那么，这些样本保存在哪里呢？如何处理这些样本呢？下面我将详细讲述。
- 训练模型保存位置：
.\\logs\\32k - 训练一定时间后打开这个路径，你会发现有很多文件：
D_0.pth
D_1000.pth
D_2000.pth
D_3000.pth
D_4000.pth
...
G_0.pth
G_1000.pth
G_2000.pth
G_3000.pth
G_4000.pth
...
- 如果你的硬盘空间不足，那么只要留下最后一次的G和D就可以了，前面的都可以删除（但是不要删别的文件）
4. 推理使用
<按上述方法训练得到最后一次的G和D后，该如何使用这些模型呢？下面我将讲述具体的使用操作方法
yolov8从0开始搭建部署YOLOv8，环境安装+推理+自定义数据集搭建与训练，一小时掌握
〇、详细视频教程
一、（ultralytic）YOLOV8项目部署
github链接：https://github.com/ultralytics/ultralytics
git拉取项目：
git clone https://github.com/ultralytics/ultralytics.git
二、cuda、cudnn、Pytorch等环境安装与卸载
首先查看pytorch支持的最高版本
PyTorch
https://pytorch.org/
然后查看N卡系统支持最高的版本
然后权衡下载支持最高版本的CUDA和cuDNN
CUDA工具包
https://developer.nvidia.cn/zh-cn/cuda-toolkit
cuDNN
https://developer.nvidia.com/rdp/cudnn-download
配置对应的环境变量
nvcc -V：查看版本CUDA
安装项目依赖
pip install -e ultralytics
pip install ultralytics
pip install yolo
卸载项目依赖为你安装CPU版本pytorch，打开pytorch官网，使用对应命令下载GPU版本
三、YOLOV8的简单讲解与推理使用
推理示例：
yolo task=detect mode=predict model=yolov8n.pt conf=0.25 source=‘ultralytics/assets/bus.jpg’
推理示例：
yolo task=detect mode=train model=yolov8s.pt data=dataset.location/data.yaml epochs=100 imgsz=640 resume=True workers=2
四、如何制作自定义数据集并训练
1.自定义数据集结构讲解与制作
数据结构：
datasets
├─ data.yaml
├─ test
│ ├─ images
│ │ └─ ······
│ └─ labels
│ └─ ······
├─ train
│ ├─ images
│ │ └─ ······
│ └─ labels
│ └─ ······
├─ valid
│ ├─ images
│ │ └─ ······
│ └─ labels
│ └─ ······
├─ data.yaml
└─ yolov8n.yaml
2.YOLO CLI的简单介绍
3.如何中断续训
中断续训示例：
yolo task=detect mode=train model=runs/detect/train12/weights/last.pt epochs=500 imgsz=640 resume=True workers=2
其他：
cmd切换到对应的虚拟环境
conda info -e
activate ultralytics
test.py代码（查看pytorch是否支持GPU）：
#输入库
import torch
#查看版本
print(torch.__version__)
#查看gpu是否可用
print(torch.cuda.is_available())
#返回设备gpu个数
print(torch.cuda.device_count())
# 查看对应CUDA的版本号
print(torch.backends.cudnn.version())
print(torch.version.cuda)
#退出python
quit()
按比例移动制作自定义数据集代码：
import os
import random
from tqdm import tqdm
# 指定 images 文件夹路径
image_dir = "D:/zm/coco128/images"
# 指定 labels 文件夹路径
label_dir = "D:/zm/coco128/labels"
# 创建一个空列表来存储有效图片的路径
valid_images = []
# 创建一个空列表来存储有效 label 的路径
valid_labels = []
# 遍历 images 文件夹下的所有图片
for image_name in os.listdir(image_dir):
# 获取图片的完整路径
image_path = os.path.join(image_dir, image_name)
# 获取图片文件的扩展名
ext = os.path.splitext(image_name)[-1]
# 根据扩展名替换成对应的 label 文件名
label_name = image_name.replace(ext, ".txt")
# 获取对应 label 的完整路径
label_path = os.path.join(label_dir, label_name)
# 判断 label 是否存在
if not os.path.exists(label_path):
# 删除图片
os.remove(image_path)
print("deleted:", image_path)
else:
# 将图片路径添加到列表中
valid_images.append(image_path)
# 将label路径添加到列表中
valid_labels.append(label_path)
# print("valid:", image_path, label_path)
# 遍历每个有效图片路径
for i in tqdm(range(len(valid_images))):
image_path = valid_images[i]
label_path = valid_labels[i]
# 随机生成一个概率
r = random.random()
# 判断图片应该移动到哪个文件夹
# train：valid：test = 7:3:1
if r < 0.1:
# 移动到 test 文件夹
destination = "D:/sj/project/python/ultralytics/datasets/test"
elif r < 0.2:
# 移动到 valid 文件夹
destination = "D:/sj/project/python/ultralytics/datasets/valid"
else:
# 移动到 train 文件夹
destination = "D:/sj/project/python/ultralytics/datasets/train"
# 生成目标文件夹中图片的新路径
image_destination_path = os.path.join(destination, "images", os.path.basename(image_path))
# 移动图片到目标文件夹
os.rename(image_path, image_destination_path)
# 生成目标文件夹中 label 的新路径
label_destination_path = os.path.join(destination, "labels", os.path.basename(label_path))
# 移动 label 到目标文件夹
os.rename(label_path, label_destination_path)
print("valid images:", valid_images)
#输出有效label路径列表
print("valid labels:", valid_labels)
参考：
Ultralytics YOLOv8 Docs（官方的说明文档）
Windows10系统pytorch、cuda11.0、cuDNN安装
cuda 和 cudnn 库的卸载与安装 - 知乎
Pytorch环境详细安装教程【Win10+CUDA升级11.6+cudNN+Anaconda3虚拟环境+pycharm】
以上是关于so-vits-svc3.0 中文详细安装训练推理使用教程的主要内容，如果未能解决你的问题，请参考以下文章
DDIM代码详细解读：分类器classifier的网络设计训练推理