将要训练的数据图像按照8:2 的训练集：验证集的比例随机分割，分别存放在images/train和images/val中。yolo可以在训练过程中自动调整超参数（如学习率、权重衰减等），没有较深的经验建议不设置超参数。建议将制作好的标签所在的文件夹重命名为labels copy 再创建一个labels文件夹。由于labelme默认输出coco格式标签数据，需要转换为yolo格式才能进行训练。进行相

下载windows版本安装，如果电脑里面没有WSL，安装docker desktop后会自动安装WSL，安装好WSL后，启动docker desktop，就行了。如果不满意，可以把生成的新提示词，修改后再提交给模型继续优化和修改。git clone可能会失败，因为网络不稳定，换时间多试试就好了。用下列指令查看这三个的版本，如果不达标或者没装就自行安装。左上是初始的提示词，用来填入你自己编写的需求。

new ap可以设置用不同模型的花销，然后给不同的api key限制额度，这个api key还可以设置多久过期，也能查看使用了多少额度，也能充值额度。在FastGPT的文档里面有部署Docker和Docker compose的方法。输入名称，模型名，api key，base url之类的信息。用Docker compose部署new api。在页面上方靠左，点击“控制台”进入控制台。就可以生成一个