当前位置： 首页 > news >正文

做商城的网站用什么框架好,郑州市建设工程造价信息网,网络整合营销策划的目标,文案交流网站目录 一. 准备环境 1.Anaconda下载 2.创建yolov8虚拟环境 3.pytorch安装 4.CUDA下载 5.CUDNN下载 二、yolov8模型下载 1.clone模型 2.pycharm配置 ①解释器配置 ②终端配置
3.安装必要库
4.下载训练模型 三、 环境验证 四、总结 YOLOv8 是 YOLO 系列最新的目标… 目录 一. 准备环境 1.Anaconda下载 2.创建yolov8虚拟环境 3.pytorch安装 4.CUDA下载 5.CUDNN下载 二、yolov8模型下载 1.clone模型 2.pycharm配置 ①解释器配置 ②终端配置  3.安装必要库  4.下载训练模型 三、 环境验证 四、总结 YOLOv8 是 YOLO 系列最新的目标检测模型具有高效性和高准确度。本文将详细介绍如何在本地环境中配置 YOLOv8包括环境搭建、依赖安装、模型下载和基本使用示例。 本系列其他文章 【YOLOv8系列】一YOLOv8介绍实时目标检测的最新突破-CSDN博客 一. 准备环境 1.Anaconda下载 Anaconda 是一个开源的 Python 和 R 语言的发行版致力于简化数据科学、机器学习、人工智能和大数据的包管理和部署。它包含了大量流行的数据科学包并且通过 Conda 包管理器提供了便捷的包安装、更新和管理方式。 Download Anaconda Distribution | AnacondaDownload Anacondas open-source Distribution today. Discover the easiest way to perform Python/R data science and machine learning on a single machine.https://www.anaconda.com/download 选择适合自己系统的Anaconda软件下载然后按照步骤安装在除C盘以外的磁盘。 注意在这一步骤需要勾选以上选项其他步骤默认点击next安装即可  2.创建yolov8虚拟环境 在电脑左下角搜索Anaconda点击打开Anaconda Prompt 创建新的虚拟环境yolov8 conda create -n yolov8 python3.8激活yolov8环境 conda activate yolov83.pytorch安装 WinR输入cmd命令弹出对话框后。输入命令nvidia-smi自己电脑是否有GPU如果有CUDA版本是多少。 nvidia-smi 进入PyTorch官网查看对应自己电脑情况的安装命令PyTorchhttps://pytorch.org/ 4.CUDA下载 打开CUDA Toolkit Archive | NVIDIA Developer官网 CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit-archive 选择自己电脑版本的CUDA例如CUDA Toolkit 11.6.1 依次选择系统等信息然后点击下载到电脑。默认安装即可记录下安装路径。 安装完成后【右击此电脑】—【属性】—(界面右边)【高级系统设置】—【环境变量】—点击【系统变量】里的path进去查看环境变量。需要有一下环境变量若没有安装默认安装路径自行添加。 5.CUDNN下载 https://developer.nvidia.com/rdp/cudnn-archivehttps://developer.nvidia.com/rdp/cudnn-archive 将下载解压后将所有文件拷贝到CUDA目录里例如CUDA默认路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6 二、yolov8模型下载 1.clone模型 GitHub - ultralytics/ultralytics: NEW - YOLOv8 in PyTorch ONNX OpenVINO CoreML TFLiteNEW - YOLOv8 in PyTorch ONNX OpenVINO CoreML TFLite - ultralytics/ultralyticshttps://github.com/ultralytics/ultralytics 可以直接下载zip压缩文件或者安装Git输入以下命令克隆ultralytics项目  git clone https://github.com/ultralytics/ultralytics.git 下载完了之后目录如下  2.pycharm配置 ①解释器配置 将下载下来的ultralytics文件夹使用pycharm打开进入文件 — 设置界面找到解释器选项。选择你希望使用的 Anaconda 环境作为解释器并进行配置。 点击添加本地解释器—现有—yolov8虚拟环境下的python.exe ②终端配置  打开Anaconda Prompt所在文件右键属性查看目标位置复制cmd.exe以及后面的内容。 同样地文件—设置—工具—终端将以上复制的路径填入shell路径。 3.安装必要库  在pycharm终端输入pip安装命令等待安装完成。 pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple pip install yolo-i https://pypi.tuna.tsinghua.edu.cn/simple 4.下载训练模型 在GitHub项目仓README往下翻可以看见预测、分类、分割等模型点击即可下载。https://github.com/ultralytics/ultralyticshttps://github.com/ultralytics/ultralytics 或者如果网络不太好可以使用脚本下载。首先需要新建一个model.txt包含需要下载模型的地址。 https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n-pose.pt https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8m-pose.pt https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8s-pose.pt https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8x-pose.pt https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n-seg.pt https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8x-seg.pt https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8s-cls.pt https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8m-cls.pt https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8l-cls.pt https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8x-cls.pt https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8x.pt 然后运行以下python脚本进行下载。  #!usr/bin/env python

encoding:utf-8

from future import divisionimport os import time import logging import subprocess import urllib import requests import torch import random from pathlib import Pathdef autoDownload(filePath, downloadDir):if not os.path.exists(downloadDir):os.makedirs(downloadDir)while True:with open(filePath) as f:lists [one.strip() for one in f.readlines() if one.strip()]count 0for downloadUrl in lists:print(模型下载地址: , downloadUrl)try:tmpFile downloadDir downloadUrl.split(/)[-1].strip()print(下载文件路径: , tmpFile)if not os.path.exists(tmpFile):torch.hub.download_url_to_file(downloadUrl, str(tmpFile))else:print(当前训练模型文件已经下载完成!)count 1except Exception as e:print(Exception: , e)time.sleep(random.randint(1, 5))print(下载数量为: , count)if count len(lists):breakif name main:autoDownload(filePathmodel.txt, downloadDirmodel/) 等待.pt模型下载完毕即可 三、 环境验证 在终端输入以下命令进行预测打开runs/detect/predict查看预测结果 yolo predict model./model/yolov8n.pt sourcehttps://ultralytics.com/images/bus.jpg 可以看到yolov8的效果是非常棒的除了person以及bus甚至连stop sign都检测出来了。 四、总结 通过以上步骤你应该已经成功配置好YOLOv8的环境。接下来你可以进行模型训练和推理期待你在目标检测任务中取得好成绩如果有任何问题欢迎在评论区讨论。  如果以上内容对您有帮助可以三连打赏订阅本专栏哦 谢谢~