Ubuntu adalah salah satu sistem operasi berbasis Linux yang banyak digunakan untuk pengembangan perangkat lunak, termasuk machine learning. Dalam tutorial ini, kita akan membahas langkah langkah untuk melatih model YOLOv8 di Ubuntu. YOLOv8 adalah salah satu algoritma deteksi objek yang paling gacor dan efisien saat ini.

#disclaimer tutorial ini merupakan lanjutan dari tutorial cara menginstal venv. 
 #apabila belum dibaca sokin aja ke agungg.com/ilmu-mahal/Venv

Langkah pertama adalah memastikan bahwa sistem Ubuntu Anda memiliki Python dan pip terinstal. Python adalah bahasa pemrograman yang akan kita gunakan untuk melatih model, sedangkan pip adalah alat untuk mengelola library Python. Jika belum terinstal, Anda dapat menginstalnya dengan mudah menggunakan perintah di bawah ini.

# Langkah 1: Instal Python dan pip
sudo apt update
sudo apt install python3 python3-pip -y

# Verifikasi instalasi
python3 --version
pip3 --version

Setelah Python dan pip terinstal, kita perlu membuat virtual environment. Virtual environment membantu kita mengisolasi dependency proyek agar tidak bercampur dengan sistem utama. Setelah membuat virtual environment, aktifkan dan instal library yang diperlukan seperti PyTorch dan ultralytics (library untuk YOLOv8).

# Langkah 2: Buat dan aktifkan virtual environment
python3 -m venv yolov8-env
source yolov8-env/bin/activate

# Instal dependency
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu
pip install ultralytics

Langkah berikutnya adalah menyiapkan dataset. Dataset ini harus memiliki struktur yang sesuai dengan format YOLO, yaitu folder dengan file gambar dan file label dalam format TXT. Anda dapat menggunakan dataset publik atau membuat dataset sendiri dengan alat seperti LabelImg ataupun roboflow.

# Langkah 3: Struktur dataset YOLO
# Pastikan dataset Anda memiliki struktur seperti ini:
# dataset/
# ├── images/
# │   ├── train/
# │   ├── val/
# ├── labels/
# │   ├── train/
# │   ├── val/

# Contoh penggunaan LabelImg untuk anotasi:
pip install labelImg
labelImg

Setelah dataset siap, kita dapat mulai melatih model YOLOv8. Proses ini melibatkan pemanggilan perintah sederhana menggunakan library ultralytics. Anda juga dapat menyesuaikan parameter seperti jumlah epoch, ukuran batch, optimizer dan lainnya untuk mendapatkan hasil yang optimal.

# Langkah 4: Latih model YOLOv8
from ultralytics import YOLO

# Load model YOLOv8, kalau pc anda kentang gunakan yang v8n kalau lebih gacor bisa yang s,x,dll
model = YOLO('yolov8n.pt')

# Latih model pastikan sudah mengisi path pada dataset.yaml
model.train(data='path/to/dataset.yaml', epochs=50, imgsz=640, batch=16)

# Evaluasi model
metrics = model.val()
print(metrics)