# Python Yolov8
###### tags: `交接資料` `python`
>author: NanoStar030、wcyan、JamesLai
>last update: 2024/01/19

## 一、相關軟體
### 1. Roboflow
#### (1). 功能介紹
> Roboflow用來生成Yolo訓練時所需要的資料集。
> 網站連結: https://app.roboflow.com
#### (2). 使用方法
> 至網站做資料集
> 標記(label)方式可分為
>> 1. mask (方框標註)
>> 2. polygon (智慧標註)
>
> 基本上他的操作說明已經在網站上，但我們推薦使用多邊形功能，並且利用形狀的不同來區分不同的零件，才能夠更好的辨識出該辨識出的零件

### 2. Yolov8
#### (1). 功能介紹
> 將Roboflow生成的資料集進行辨識訓練，訓練完後將會產生能夠辨識物品的模型，之後就可以使用模型，丟照片或影片給他辨識。
#### (2). 安裝方法
> 相關網站: https://docs.ultralytics.com/modes/train/#usage-examples
>
> 1.安裝 python 套件 ultralytics
> ~~~
> pip install ultralytics
> ~~~
> 2.創建 **訓練時** 使用的 python檔 train.py
> ~~~ python
> from ultralytics import YOLO
> # Load yolov8n model to train your model
> model = YOLO('D:\\yolov8\\yolov8n.pt') # Path to yolov8n.pt
> # Train the model
> results = model.train(data='data.yaml', epochs=25, imgsz=640)
> ~~~
> 3.創建 **預測時** 使用的 python檔 detect.py
> ~~~ python
> from ultralytics import YOLO
> import sys
> model_path = "runs\\detect\\train\\weights\\best.pt"
> model = YOLO(model_path)
> target = sys.argv[1]
> result = model.predict(source=target, save=True)
> ~~~
> 4.整體 Yolov8資料夾
>
> Yolov8 資料夾
>> train .py
>> detect .py
>> yolov8n. pt
>> images 資料夾
>>> 要預測的照片1 .png/.jpg
>>> 要預測的照片2 .png/.jpg
>>> ...
>>>
>> roboflow 資料夾
>>> test 資料夾
>>> train 資料夾
>>> valid 資料夾
>>> data .yaml

## 二、整體使用流程
> 1.先使用 Roboflow產生資料集，並放在Yolov8資料夾底下
> 2.點進 Roboflow資料集的資料夾，滑鼠右鍵選 **在終端中開啟**
> 3.在 **終端機** 中輸入以下指令，進行訓練
> ~~~ powershell
> python ..\train.py
> ~~~
> 4.訓練的結果會在 runs \detect \train 底下
>
> 5.訓練完畢後同樣在 **終端機** 中輸入以下指令，進行預測
> ~~~ powershell
> python ..\detect.py ..\images
> ~~~
> 6.預測完的結果會生成在 runs \detect \predict 底下

## 伺服器
https://cindyalex.pixnet.net/blog/post/238930883-unity-textmeshpro-%e4%b8%ad%e6%96%87
https://delightcollab.com/programming-tpl-implement-carto-dialogues-system-05-solve-textmeshpro-cant-display-chinese-problem/