yolov8训练本地数据集代码

很抱歉，yolov8并不是一个已知的目标检测模型，可能是您打错了模型名称。如果您是想问yolov3的本地数据集训练代码，可以参考以下步骤：

1. 下载yolov3的代码和预训练权重文件

git clone https://github.com/pjreddie/darknet
cd darknet
wget https://pjreddie.com/media/files/yolov3.weights

2. 修改配置文件
将`cfg/yolov3.cfg`中的`batch`和`subdivisions`参数根据自己的显存大小进行修改，将`classes`参数修改为自己数据集中的类别数，将`filters`参数修改为`(类别数+5)*3`

3. 准备数据集
将数据集图片和标注文件放在同一个文件夹中，并将标注文件转换为darknet格式，即每行一个标注，每个标注的格式为`<object-class> <x> <y> <width> <height>`，其中`(x,y)`为目标框中心点坐标，`(width,height)`为目标框宽度和高度，均为相对于图片宽度和高度的比例。

4. 生成训练集和测试集列表文件
将数据集中所有图片的路径写入一个文件中，将该文件分为训练集和测试集两个文件，分别占总文件的80%和20%左右。

5. 开始训练
运行以下命令开始训练：

./darknet detector train <path-to-data-file> <path-to-cfg-file> <path-to-pretrained-weights>

其中`<path-to-data-file>`为数据集的配置文件，`<path-to-cfg-file>`为yolov3的配置文件，`<path-to-pretrained-weights>`为预训练权重文件路径。

6. 测试模型
运行以下命令测试模型：

./darknet detector test <path-to-data-file> <path-to-cfg-file> <path-to-trained-weights> <path-to-test-image>

其中`<path-to-trained-weights>`为训练好的权重文件路径，`<path-to-test-image>`为测试图片路径。