本文记录了作者在 AutoDL 平台使用 4090 显卡训练 YOLOv8 模型的踩坑与实操流程从实例克隆、文件目录切换、数据集配置到模型下载、训练启动等关键步骤都做了详细说明同时分享了镜像选择、训练时长预估等实用经验为同样入门的小伙伴提供参考也欢迎大家指正文中不足。遇到空闲GPU不足的情况可选择使用克隆实例每天有10次机会如果已经将数据转到服务器上的话在克隆的时候请选中数据盘点击继续后选择所需要的显卡。刚进入jupyter lab的WebUI 时文件列表为空是因为默认打开的是容器根目录/但你的文件、项目代码、数据集通常存放在/root/autodl-tmp目录下打开终端输入命令cd /root/autodl-tmp左侧目录就会看到文件。训练模型之前请看.md文档。本人训练的是yolo8模型则使用的是YOLO8使用必看.md。本人有自己的训练集注意训练集得是已经标注好的已经上传到autodl-tmp目录下然后将ultralytics-8.3.27/train_v8.py中的model.train()的第一个参数data换成自己数据集的.yaml文件路径。由于镜像中ultralytics-8.3.27/ultralytics/cfg/models/v8中并没有直接写出yolo8x.yaml所以本人采用的方法是自己下载yolov8x.pt方法是ultralytics-8.3.27/train_v8.py中main函数中第二行的model YOLO(yaml)直接改为model YOLO(yolov8x)。然后按照.md文件的步骤第一步使用cd命令切换目录第二步使用python命令运行程序。终端就会开始下载yolov8x模型。如下图模型下载好之后就会自动开始训练模型。本人租的是4090显卡使用的社区镜像ultralytics/ultralytics/yolov8:v8.3此镜像也支持训练yolov11的模型。每轮Epoch大约4分钟设定了300轮跑满300轮大约20h。这是我第一次写博客用来记录自己的学习与踩坑过程希望能给同样在学习的小伙伴们一点参考和帮助。文中难免会有疏漏或理解不到位的地方欢迎各位大佬批评指正一起交流进步