YOLO v8 預設模型可辨識 COCO 資料集的 80 種物件。若要辨識其它物件，就需準備自訂資料集自行訓練

安裝套件

請記得安裝 ultralytics 時，自動安裝的 torch 無法啟動 GPU，所以請由如下指令安裝套件

pip install pip install ultralytics labelimg
pip install torch==2.0.1+cu118 torchvision==0.15.2+cu118 torchaudio===2.0.2+cu118 -f https://download.pytorch.org/whl/cu118/torch_stable.html

下載資料集

自訂模型最麻煩的就是資料集準備，要收集大量圖片，然後標示，光這項作業就要耗費相當長的時間。還好 Roboflow 提供許多 公用資料集。請由公用資料集的 Roboflow 100 進入，然後搜尋 “Dollar bill detection”，或由如下網址下載 https://universe.roboflow.com/currency-7mtqe/dollarbilldetection。

按下 Download this Dataset，再選擇 v8 版本，將 Dollar Bill Detection.v24-raw-images.yolov8.zip 存放在專案根目錄下。

目錄安排

將 .zip 檔解壓縮檔案，就會產生 “Dollar Bill Detection.v24-raw-images.yolov8” 目錄，請改名為 “Dollar”。

datasets 設定

datasets 又稱為訓練資料集。也就是包含了 train/valid/test 三個目錄，每個目錄又有 images/labels 二個目錄。專案在安裝 utlralytics 套件時，會在 C:\Users\登入者\AppData\Roaming\Ultralytics\settings.yaml 裏將 datasets_dir 設定為如下

settings_version: 0.0.4
datasets_dir: E:\python_ai\yolov8\datasets
weights_dir: weights

如果新專案(b)又安裝一次的話，那麼 datasets_dir 就會被改成 e:\python_ai\b\datasets，那麼舊專案就找不到 datasets了。所以打開 Dollar/data.yaml , 將前三行的 “../” 改成絕對路徑。

#train: ../train/images
#val: ../valid/images
#test: ../test/images

train: e:/python_ai/yolov8/Dollar/train/images
val: e:/python_ai/yolov8/Dollar/valid/images
test: e:/python_ai/yolov8/Dollar/test/images

下載預訓練權重

到 https://github.com/ultralytics/ultralytics 網站，往下拉即有預訓練模型可供下載。預訓練模型有yolov8n、yolov8s、yolov8m、yolov8l、yolov8x 共 5 種，愈往下愈精準但速度愈慢。請將下載的 .pt 檔儲存在專案目錄下。

使用 yolo.exe 訓練模型

進入 Terminal  執行如下指令