手把手教你配置YOLOv10并本地运行

一、下载Anaconda, VScode

1. Anaconda可以参考站内其他下载安装的教程，安装时主要注意几个勾要勾对，尤其是加入PATH的一定要勾。还有加入开始菜单的选项要记得勾，否则在开始菜单里面搜索不到。如果第一次安装没勾对，最省事的办法就是卸载重装。

2. VScode安装过程中都是中文，根据自己的需要勾选选项即可。

本教程只适用于英伟达显卡 (N卡)

二、VScode相关设置

1.设置页面为中文

进入这个插件页面，搜索简体中文插件下载即可。安装后参考本插件下载详情页面中的使用方法进行修改，如下图。设置完成后需要重启VScode以应用。

2.下载Python环境必须的插件

下图中的插件都需要同理搜索并安装

三、下载YOLOv10相关文件

原项目链接：https://github.com/THU-MIG/yolov10

参考我分享的这个网盘也可以进行相关资料的下载

1. 下载项目文件

下载"yolov10-main.zip"这个文件，解压缩完文件内容如下图("app_bak.py"这个文件是我自己的备份，官方文件没有，不用管)

2. 下载官方模型

下载网盘链接中的"官方模型.zip"，解压完的文件如下图

3.将官方模型放到项目文件中

移动完之后如下图所示

4. 修改项目文件根目录中的"requirements.txt"这个文件

如下图，用记事本打开，给前两行加上"#"以注释，因为这两个文件需要我们自己手动安装。一定要记得保存修改！！！

四、设置虚拟环境

1. 在开始菜单中搜索"Anaconda Prompt"如下图打开

2. 在页面中输入以下指令 注意必须是指定"python=3.9"这个版本

conda create -n yolov10 python=3.9

出现这一步时输入"y"以继续

3.输入下面的指令以激活环境

conda activate yolov10

执行完成之后当我们发现小括号里变成了yolov10就代表成功了

五、安装相关的库和包

1. 查看自己的显卡信息

win+R再输入cmd打开，输入nvidia-smi

出现下图中的结果后，查看标注处的cuda版本 (如果没出现相应结果的，需要自行更新显卡驱动到最新版本)

确保自己的cuda版本高于11.8即可

2. 进入到Pytorch官网进行下载文件 网址：PyTorch

点击这里

点击下图标注处查看历史版本

下滑找到"v2.0.1"这个版本，继续在"Wheel"这里找到"cuda=11.8"下方的这段命令

pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cu118

把这段指令输入到之前带yolov10的那个命令框里

等待下载即可

3. 安装"requirements.txt"中的相关库包

进入项目文件的根目录 进入路径前一定要记得加cd

输入下面这行指令

pip install -r requirements.txt

等待下载即可

4. 安装其他的库包

同样的，输入下面的指令

pip install -e.

等待下载即可

下载时出现报错的解决方案：

1. 换源：

用win+R打开命令行，输入下面的指令，将下载源换成清华源，稳定性和下载速度都会提升

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

在切换完了之后可以输入以下指令进行验证

pip config list

配置成功后可以看到类似下面的结果

2. 检查是否开了加速器或者其他代理：

可以尝试关闭相关的加速器或者代理保证网络的纯净性

3. 如果以上方法都行不通的话：

可以尝试将网络连接至手机热点，可能会好使

六、在VScode中进行测试

1. 点击"文件"，打开根目录所在的文件夹，如下图所示

2. 选择Python解释器

按住Ctrl+Shfit+p, 在下图中的搜索栏中搜索解释器，并点击"选择解释器"

选择我们刚刚配置了的虚拟环境

右下角出现了下图所示的内容就是成功了

3. 在左侧的目录中选择app.py进行编辑

第一个函数中对于model的定义，一定要把原来的注释掉，在改成如下图中的内容

在定义app这个函数的代码中，一定要把没有加.pt后缀的全部给加上

4. 运行app.py这个文件

在页面的右上角，点击如下图所示的按钮，即可运行

此时在下方会出现展示输出结果的终端

我们还可以发现输出了一个链接

复制到浏览器打开，我们就可以得到一个测试的网页，这个网页只能本地用

在这里我们可以选择官方的模型，从上到下，模型的精准度递增，检测的时间也会相应的增加

以下图为例，我们可以上传图片并得到目标检测的结果

以上，我们YOLOv10的环境搭建和简单测试就已经全部进行完了。大家可以根据自己的数据集对模型进行训练

简单测试中的常见问题：

1. Connection errored out 这个报错

本人在第一次测试的时候也出现了这个问题，主要原因是库和包的版本不对，以及测试网页相关的Gradio没有更新导致的，解决方法如下：

1): 在(yolov10)的这个命令行中，重新输入之前安装requirements.txt和-e.的这两条指令，检查是不是有没有安装成功的库和包，如果装了的会提示已经安装了，不会重复安装

2): 检查之前安装的pytorch相关库包的版本，一定要保证是V2.0.1和cuda=11.8，不然很有可能出问题

3): 检查Gradio的版本，输入下图中的指令以更新Gradio

pip install --upgrade gradio

出现类似的结果就代表更新成功了

七、通过Roboflow用来训练的数据集

1. 进入Roboflow的官网

网址：Roboflow: Computer vision tools for developers and enterprises

自行注册账号，有账号的直接登录即可

创建Workspace的时候选择免费的那一个就行

2. 新建一个自己的Project

如下图所示进行创建

之后进入到如下图所示的页面按照需求填写相关信息即可

3. 寻找数据集

点击左下角的这个Universe进入社区，搜索自己想要的数据集

搜索自己需要的素材

例如我这里想找一个关于吉他琴型检测的数据集, 找到自己想要的点进去，最好是大一点的数据集

进去之后我们点下图所示的位置查看图片

勾选你需要的图片，每一页点左上角的勾这个位置可以全选

全部选完了之后我们点击右上角的这里，复制到我们的Project里面

下一步这里我们需要勾选的是别人已经标注好了的图片，而不是原始的图片

接着我们依次选到自己刚刚创建的Project那里

经过上面的操作之后我们点这个克隆

全部克隆完了之后，我们返回之前Workspace里的Project，在Dataset这个位置看到图片就代表成功了

如果在克隆的操作时出现了Error，可以尝试以下方法：

1): 换一个浏览器试试

2): 一次不要全选，可以几百个克隆一次，分多次进行克隆

3): 实在不行就只能换一个数据集试试了

4. 手动标注添加到数据集里

我们也可以在下图中的位置自己添加想要的图片到数据集里面

这里我已经上传了一张图片，点这里以继续，继续之后才会上传

上传完成之后，浏览器的右边会弹出一个提示框，问我们要哪种标注方式，我们选择人工标注这一个

我们点击左侧的Annotate，在点击右边的Start开始标注

我们可以对手动框选的物体选择对应的标签，以及这张图片作为test, val还是train，标注完了之后直接点左上方的返回即可

之后点击添加到数据集

在保存的时候我们通常选第二项，如下图所示"Solit Images Between Train/Valid/Test"即按照预设的比例进行分类。如果想手动调整比例，就选"Use Existing Values"，会根据你之前在标注时的设定保存

选择完了之后点击下面的添加即可

5. 使用Roboflow官方的模型对数据集进行训练

我们先点击Version进入到如下图所示的页面

看到第三步这里，我们可以给图片添加滤镜 （Auto-Orient和Resize就这样默认即可，不用动）

当然不添加这个也行

带有Upgrade字样的滤镜都是会员才能用的，普通用户选下图的这个就行

第四步这里就是通过处理图片增加数据集里的数据量

通常可以选这个，然后在下一步把vertical和horizontal都打钩

在第五步中，非会员建议选择如图的这个

完成之后点击训练，并选择用官方的这个模型训练，之后选择Fast的这一项

下面一个页面我们默认，不用管就行了。之后点击开始训练

之后官网会在他们的服务器帮我们训练，之后训练完会有邮件发到注册时所用的邮箱进行通知

下图的进度条读完之后就会开始训练了，时间通常会比较长，耐心等待邮件通知就行了

完成之后会变成这个界面，直接点击下载即可

上面我们可以选yolov9，下面直接选zip文件就可以了

经过上述步骤，我们就已经获得了Roboflow训练后的数据集，接下来我们还需要进行本地训练

八、本地训练最佳模型

1. 修改数据集中后缀为.yaml的文件

解压数据集后，里面的大致结构如下图所示

我们在项目文件的根目录下面建一个data的文件夹，把解压后的数据集放到里面

接下来我们需要打开VScode修改data.yaml这个文件。在根目录下找到这个文件并打开

我们需要把train, val和test这三个路径改成自己文件夹的路径，我这边用的是绝对路径

并且我们还需要把下面这段内容给注释掉 （记得保存）

2. 查看C盘中的字体文件以及修改其中后缀为.yaml的文件

在查看之前一定要记得把这两个选项打开，因为AppData是隐藏文件夹

如下图，根据上面的路径可以找到下面的文件（这个文件我也会放到网盘里，自己电脑上没有的直接下载后放到这个路径下即可，不然后面本地训练模型的时候下载字体文件很有可能会卡死报错）

用VScode打开.yaml文件，把datasets_dir冒号后面改成 . 即可（记得保存）

3. 训练前检查pytorch有没有安装成功

在VScode中点击左上方的终端，打开一个新的终端

此时下面终端这里显示的是PS，我们想要让这里和之前命令行中的一样，以(yolov10)开头

点击终端右侧如下图的按钮，选择命令提示符的这个选项。就可以达到我们想要的效果

先输入python

再引用torch这个库，调用torch.cuda.is_available()这个函数，结果是True则没问题。再输入exit()进行退出即可

4. 修改训练代码

训练代码可以参考这里给出的示例

yolo detect train data=E:\大学\YOLO\yolov10-main\data\data.yaml model=yolov10n.pt epochs=128 batch=30 imgsz=640 device=0

1): data后面的路径根据自己data.yaml存放的路径进行修改

2): model这里不一定要用n，几个官方模型都是可以的。

3): epochs设置的是训练的次数

4): batch根据自己显卡和内存的性能来就行，我是4060的笔记本，设置24时gpu的占用率在85%左右。imgsz这个不用改

5): device=0即调用一块显卡

5.进行训练

看到类似下图的结果，进度条在走并且Epoch在递增，即跑的没问题，等跑完就行了

可能碰到的问题

1) 权重文件未找到：

本人第一次跑也遇到了这样的问题，最后发现是Ultralytics没更新导致的

参考前面在VScode中打开命令提示符，输入下面的指令

pip install -U ultralytics

更新后即可正常运行

2): 安装字体或yolov8模型不成功：

第一次训练时，会自动下载字体和yolov8的模型。但是经常下载不成功，亲测挂梯子下载会更容易一点

6. 应用训练文件

在如图所示的路径出找到best.pt文件并复制到根目录

在app.py中找到下图的这个函数并且在choices中加一个best.pt

7.测试效果

运行app.py，在网页中找到这个最佳模型。网上找一张图片进行测试

可以识别出st琴型和单单双拾音器，还是挺准确的

九、相关资料网盘链接

链接：https://pan.quark.cn/s/a2f10fdda5c6
提取码：9C91