“Assertion `index ＞= -sizes[i] && index ＜ sizes[i] && “index out of bounds“` failed.” 解决方法

从零开始，讲解 数据标注、数据集制作、模型训练、模型测试、模型优化、环境搭建等方面内容，让学习者能够快速学到AI图像领域关键点技术，应用到实际的工作中去。

在无人驾驶中，交通标志识别是一项重要的任务。YOLOv8是前沿的目标检测技术，它基于先前 YOLO 版本在目标检测任务上的成功，进一步提升性能和灵活性。本课程将手把手地带大家使用YOLOv8训练TT100K中国交通标志数据集，完成一个多目标检测实战项目。可实时检测图像、视频、摄像头和流媒体(http/rtsp)中的交通标志，并提供PySide6开发的可视化演示界面 。TT100K（Tsinghua-Tencent 100K）是一个专门用于交通标志检测的大规模数据集。该数据集由清华大学与腾讯公司联合开发。TT100K数据集包含了超过10万张图片。图片中包含了不同类型的交通标志，总计约有200,000个标签。本课程会讲述使用Python程序将TT100K数据集的格式转换成PASCAL VOC格式和YOLO格式的方法，并提供相应代码。本课程分别在Windows和Ubuntu系统上做项目演示。包括：安装软件环境（Nvidia显卡驱动、cuda和cudnn）、安装PyTorch、安装YOLOv8、 TT00K数据集数据格式转换、准备数据集（自动划分训练集和验证集）、修改配置文件、训练数据集（合适的命令参数选择）、测试训练出的网络模型和性能统计、项目可视化演示界面。 本课程新增了在阿里云上使用免费GPU算力的项目实战演示流程。GPU免费算力的领取方式和阿里云平台上的项目实战操作流程可见课程视频。