model.val(data="coco128.yaml")

### 使用 `coco128.yaml` 进行模型验证 为了使用 `coco128.yaml` 数据集配置文件进行模型验证，需遵循特定流程来确保验证过程顺利进行。此流程涉及准备环境、加载必要的库以及调用适当的命令。 #### 准备工作 确保已安装并配置好YOLO所需的依赖项和工具链[^1]。通常情况下，在Anaconda环境中操作会更加便捷： ```bash conda create -n yolov10 python=3.8 conda activate yolov10 pip install -r requirements.txt ``` #### 加载必要模块 进入项目根目录下启动Python解释器或编写脚本，并导入所需包： ```python import torch from pathlib import Path from models.common import DetectMultiBackend from utils.dataloaders import LoadImages, LoadStreams from utils.general import check_img_size, non_max_suppression, scale_boxes from utils.torch_utils import select_device ``` #### 设置设备与加载模型 指定用于推理的硬件资源（CPU/GPU），并加载预训练好的权重文件： ```python device = select_device('') # 自动选择可用设备 model = DetectMultiBackend(weights='path_to_your_model.pt', device=device) stride, names, pt = model.stride, model.names, model.pt imgsz = check_img_size(imgsz=[640], s=stride) # 图像尺寸调整至适合网络输入大小 ``` #### 配置数据集路径 通过读取 `coco128.yaml` 来获取测试图片的位置和其他相关信息： ```yaml # coco128.yaml example content path: ../datasets/coco128/images/train2017/ val: val2017/ nc: 80 names: ['person', 'bicycle', ... ] # 类别名称列表 ``` 解析上述 YAML 文件中的字段以构建完整的图像路径集合： ```python import yaml with open('data/coco128.yaml') as f: data_dict = yaml.safe_load(f) dataset_path = str(Path(data_dict['path']).parent / data_dict['val']) print(f'Dataset path set to {dataset_path}') ``` #### 执行验证 最后一步是定义一个函数来进行实际的预测任务，遍历所有待测样本并将结果保存下来供后续评估使用： ```python def validate(): dataset = LoadImages(dataset_path, img_size=imgsz, stride=stride) for path, im, im0s, vid_cap, s in dataset: im = torch.from_numpy(im).to(device) im = im.half() if model.fp16 else im.float() im /= 255 pred = model(im, augment=False, visualize=False)[0] conf_thres = 0.25 iou_thres = 0.45 classes = None agnostic_nms = False max_det = 1000 det = non_max_suppression(pred, conf_thres, iou_thres, classes, agnostic_nms, max_det=max_det)[0] if len(det): det[:, :4] = scale_boxes(im.shape[2:], det[:, :4], im0s.shape).round() for *xyxy, conf, cls in reversed(det): label = f'{names[int(cls)]} {conf:.2f}' # Here you can add code to draw bounding boxes on images or save results validate() ``` 完成以上步骤后即可实现基于 `coco128.yaml` 的模型验证功能[^2]。