YOLOV8 win10部署笔记

原创

已于 2023-08-26 13:09:44 修改 · 1.5k 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#YOLOV8 #win10 #目标识别 #机器视觉

于 2023-08-24 20:47:59 首次发布

本文详细描述了作者在Windows平台上部署YOLOV8的步骤，包括快速安装、环境检查、模型加载和功能验证，如图片和视频预测，并分享了解决安装问题的方法。

在这里插入图片描述

文章目录

1. 背景
2. 部署过程
- 2.1 快速安装
3. 功能验证
- 3.1 Predict
- - 3.1.1 图片输入图片输出
  - 3.1.2 视频输入视屏输出

1. 背景

看了B站许多up主的视频，感觉YOLOV8各方面都很优秀，作为新手对它的期待很大，于是想实际跑跑看，边实践，边学习，记录过程。
本篇主要是博主在windows平台上部署YOLOV8的笔记，感兴趣的小伙伴请点赞、收藏、转发，也请大家持续关注后面的更新。

2. 部署过程

主要参考官方文档

2.1 快速安装

【A】打开命令行，输入面下的安装命令：

pip install ultralytics

在这里插入图片描述

可以看到安装成功。

【B】环境检查：

%python
>>> import ultralytics
>>> ultralytics.checks()

在这里插入图片描述

【C】运行demo code
参考官方文档中的python 代码示例，新建demo.py文件：

from ultralytics import YOLO

# 加载模型
model = YOLO("yolov8n.yaml")  # 从头开始构建新模型
model = YOLO("yolov8n.pt")  # 加载预训练模型（建议用于训练）

# 使用模型
model.train(data="coco128.yaml", epochs=3)  # 训练模型
metrics = model.val()  # 在验证集上评估模型性能
results = model("https://ultralytics.com/images/bus.jpg")  # 对图像进行预测
success