yolov8环境搭建

一、Miniconda安装细节

1.miniconda安装

 下载地址:https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

如果是windows的话,就尽量选择下面图片中的这个

下载完成后,就开始安装miniconda

这里不知道要不要打勾第三个的话就先不打

2.conda环境搭建

按如图所示,打开Anoconda Prompt

在base环境下,执行

conda create -n yolov8 python=3.9

当出现以下界面,就证明安装成功

pypi配置国内源

清华源:

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

二、pytorch安装

1.先到官网

https://pytorch.org/

2.查看自己的cuda版本

只有英伟达的显卡能安装cuda,Amd显卡只能安装cpu(这个会比较慢)

小于等于这个版本就行,这里我们就安装11.8

复制这一行到命令窗口进行安装,可能要安装比较久

当出现这个界面,就说明安装成功

之后进入python环境,输入如图所示命令,当出现cuda:0,就证明安装成功了

三、ultralytics安装

1.下载代码

进入GitHub网站:

https://github.com/ultralytics/ultralytics

点release里面的第一个

点击 Assets里面的Source code(zip)进行下载

下载完成后将文件解压到桌面上

2.正式安装ultralytics

然后先激活环境

然后输入

pip install -e .

进行安装

安装jupyterlab

pip install jupyterlab tensorboard

3. 验证yolov8环境是否安装完成

命令行输入 yolo  ,然后回车

弹出以上消息,证明安装完毕!

四. 配置IDE (vscode,pycharm都行,这里使用vscode)

1.vscode安装

直接去官网下载就行啦,这里就不教学了

2.安装插件

扩展那里安装: Python,jupyter,remote ssh,Chinese Language Pack

3.终端与解释器设置(Important)

  先打开刚刚解压到桌面的文件

然后点击终端  —— 新建终端,(大概率)右下角显示的是powershell

然后点一下选择默认配置文件

之后选择第一个就行了

然后删除,重建终端即可

之后随便找一个py文件或者创建一个,我这里创建了test.py文件

然后点一下这个,将刚刚的环境换成刚刚创建的环境即可

之后按图输入代码,出现如图界面就证明安装完成了

完成啦,大家加油!

### 如何在VSCode中配置YOLO环境 #### 安装Anaconda并创建虚拟环境 为了更好地管理依赖项,在VSCode中通常推荐使用Anaconda来创建Python虚拟环境。通过以下命令可以基于Conda创建一个新的名为`yolo_env`的环境,并指定Python版本为3.8[^2]。 ```bash conda create -n yolo_env python=3.8 ``` 激活新创建的环境: ```bash conda activate yolo_env ``` #### 配置Visual Studio Code以使用此环境 一旦设置了合适的Python解释器,下一步就是在VSCode内部设置好开发环境以便能够顺利运行YOLO项目。这涉及到安装必要的扩展以及调整工作区设置让其识别刚才建立好的Conda环境[^3]。 - 打开VSCode并通过快捷键 `Ctrl+Shift+P` 调出命令面板; - 输入 "Python Interpreter" 并选择对应的选项找到之前创建的`yolo_env`作为当前项目的Python解析器; #### 安装所需的库和工具包 对于特定于YOLO的需求来说,还需要额外安装一些软件包支持训练或推断过程中的操作。比如OpenCV用于处理图像数据流,PyTorch框架则是实现神经网络的核心组件之一。可以通过pip或者conda的方式获取这些资源[^4]。 ```bash pip install opencv-python-headless torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cpu ``` #### 设置YOLO具体参数与路径 当一切准备就绪之后,就可以着手定义自己的YOLO模型结构及其关联的数据源位置了。这里提到的一个重要概念就是`.yaml`格式的数据集描述文件,它用来告知算法有关目标检测任务的具体细节,像图片存储的位置或是标签分类的信息等[^5]。 ```yaml train: ./datasets/train/images/ val: ./datasets/validation/images/ nc: 80 names: 0: person 1: bicycle ... ``` 以上步骤涵盖了从零开始搭建适合YOLO系列模型工作的基本流程介绍,当然实际应用过程中可能还会遇到更多个性化需求等待解决。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值