本日重點

• 介紹 Google Colab 雲端運算環境對 AI 專案的優勢
• 在 Colab 上安裝並設置 YOLO 訓練環境
• 影像資料集的匯入與前處理步驟詳解
• 實際在 Colab 執行 YOLO 夜市小吃模型訓練、測試與推論流程
• 常見實作問題解析及解決技巧分享

一、認識 Colab

Colab（Colaboratory）是一個由 Google 提供的雲端 Python 編輯器，它的最大特色是「免安裝、免設定」，只要有瀏覽器就能開始寫程式。

開啟 Google Colab 頁面，就會有一份現成的教學文件，鉅細靡遺地將初學者需要了解的都一一說明。這份文件就是一個 Colab 筆記本，它不只是教學內容，更是一個可以直接互動的程式環境。

這份文件不只是教你怎麼用 Colab，還包含許多範例與資源：

• 資料科學應用：使用 NumPy、Matplotlib 等工具進行資料分析與視覺化。
• 機器學習範例：展示如何使用 TensorFlow、TPU 等工具訓練模型。
• Gemini API：介紹如何使用 Google DeepMind 的多模態模型進行進階推論。
• 互動式元件：包含表單、小工具等，讓筆記本更具互動性。

依照自己的需求，跳過不感興趣的部分，或深入探索特定主題。

最重要的，Colab 不受到電腦硬體等級的限制

二、Gemini: 讓 Colab 更加得心應手

1. Gemini 是什麼？

Colab 的說明文件中，一開始就是在介紹 Gemini

在 Colab 頁面的右上方，也會看到 Gemini 的功能鍵

三、在 Colab 上建立第一個檔案

對 Colab & Gemini 有個基本的認識後，接著就來建立一個 Colab 檔案

檔案 --> 在雲端硬碟中建立新筆記本 (可以試著在 cell 裡面寫寫 code)

已經開始放空的人就直接召喚 Gemini 吧

寫 Prompt 的地方(將任務交給 Gemini)

送出後，Gemini 就會開始規劃

如果接受 Gemini 的建議，就按下接受並自動執行（或是逐步執行也可以）；Colab 就會開始一一生成內容，全部執行需要一點時間

不接受的話，選擇取消，也可以繼續修改 Prompt

四、實作流程紀錄：

1. 安裝 YOLO 與環境初始化

# 安裝 YOLO
!pip install ultralytics

# 連接 Google Drive 保存訓練結果
from google.colab import drive
drive.mount('/content/drive')

2. 台灣夜市小吃資料集準備 & 標註

Roboflow下載資料集後，上傳至 Colab，檢查資料夾結構。記得要整理成 YOLO 格式（txt 標註檔只存 bbox 與類別）。提供一個 Python 匯入 Roboflow 專案的方法：

# Roboflow 套件安裝
!pip install roboflow

from roboflow import Roboflow
rf = Roboflow(api_key="在這裡貼上 API_KEY")
project = rf.workspace().project("taiwan-night-market")
dataset = project.version("1").download("yolov8")

3. 模型訓練程式碼片段

以 YOLOv8n.pt 為例，調整 epochs 10，batch size 16（初學者建議用較小模型快測）。訓練時 Colab自動監控運算資源，過程 loss/metrics 視覺化，修正資料異常隨手重跑。

# 安裝 YOLOv8 (Ultralytics)
!pip install ultralytics

# 下載 Roboflow 資料集（用個人帳號取得 API Key 和專案下載連結）
!curl -L "https://universe.roboflow.com/YOUR_WORKSPACE/YOUR_PROJECT_VERSION/download.zip?api_key=YOUR_API_KEY" -o roboflow_dataset.zip
!unzip roboflow_dataset.zip -d ./dataset

# 啟動 YOLO訓練
from ultralytics import YOLO

model = YOLO('yolov8n.pt')
results = model.train(
    data='./dataset/data.yaml',
    epochs=10,
    imgsz=640,
    batch=16
)

# 推論/測試單張夜市圖片
img = './dataset/test/nightmarket.jpg'
pred = model.predict(source=img, save=True, conf=0.25)

溫馨小提醒：

epochs=10 是不夠的，但是數字愈高，要花的時間愈久，如果是讓 Gemini 幫忙生成程式碼的話，按下執行之前，記得調整一下（正常 epochs 的值應該都會是 100 ，就是 Colab 很有可能會跑個三天三夜的那種XD）

4. 資料存檔與模型下載

(1) 訓練結束將最佳.pt模型下載保存，方便未來本地CPU/雲端部署。

• pt 檔案是什麼？

pt 檔案是一種與 PyTorch（一個開源機器學習框架）相關的檔案格式，全稱為 PyTorch Model。pt 檔案包含模型的架構、權重（weights）以及訓練狀態（如優化器參數）。例如，訓練一個夜市小吃偵測模型後，Roboflow 或 Ultralytics YOLO 會生成 .pt 檔案，供後續推理或進一步訓練使用。

• pt 檔案在 Roboflow 的 Version 裡面也可以找到：

(2) 目標是能產生高辨識度AI，這樣就能在APP/Web使用囉～

五、延伸閱讀

• Google Colab 官方教學
• Roboflow Docs
• YOLOv8 GitHub Repo
• YOLOv8 官方教學