接着上篇文章继续写，本篇文章讲如何训练自己的数据集。
一、创建文件
将tools文件夹中的train.py放主目录下，再创一个myself.yaml文件，名字可以自己起（主要是为了省事）
myself.yaml文件里只需要添加train和val路径就行
二、修改数据集格式
YOLOv6与YOLOv5的数据集格式不同，v6不需要使用images文件夹，将以前images中的train和val文件夹图片与labels文件放在同一个目录就可以了
三、程序修改
修改一下train.py中的路径
打开文件夹yolov6->data->datasets.py
将红框里的内容注释，改为蓝框（这里不知道官方什么时候能修复，哎）
懒得动手直接复制下面的
label_dir = osp.join(
osp.dirname(img_dir), "labels", osp.basename(img_dir)
)
四、运行
直接右击运行train.py或者终端命令也可以
五、检测
上篇博文已经讲了如何检测图片，我看到最新版的程序bug依旧存在（时间6月30日）
由于训练的速度太慢，我只训了100epochs，检测效果一般，虽然精度较高，但漏检和误检情况时有发生，之后还会再次更新
五、总结
对于YOLOv6我真是无力吐槽了，bug太多了，并且功能不够完善，各种报错，各种问题，简直就拿我们当小白鼠，哎！
训练时的报错问题在下篇博文：
YOLOv6训练时报错解决方法
https://blog.csdn.net/qq_58355216/article/details/125552713?spm=1001.2014.3001.5502
bug1：
无法使用单类别数据集（在这个坑里差点没出来），作者虽说已修复，但是还是有些bug要改，等一段时间再更新
bug2：
训练时无法充分利用GPU（问题很致命，速度慢的我要裂开）
bug3：
目前无法查看精度和召回，map上涨速度特慢（等人家作者优化吧）
这些都还只是训练时候的bug……
如果训练时有各种报错欢迎评论区留言，本博文持续更新中
———————–更新线———————–
YOLOv8发布
YOLOv8训练以及测试的方法写在下面文章里了，欢迎阅读
