【YOLOv8学习记录】——从零开始的环境配置

文章讲述了如何安装和配置Python、PyCharm、CUDA、PyTorch和Anaconda之间的版本对应关系,包括CUDA驱动、PyTorch版本选择、Python版本管理以及环境变量设置,确保软件间的兼容性和正确安装。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

  • python + pycharm

pycharm是专门为python开发的一个集成开发环境。pycharm的使用需要得到python的编译器支持,因此需要同步下载python以及pycharm。

python与pycharm有版本对应关系,详情请见下文链接。

我下载了3.10版本的【做示例图的时候我没有看后续pytorch与cuda的匹配,因此后续重新卸载3.12版本并下载了3.10,请大家根据自己的cpu确定cuda版本号后再确认好软件版本下载~】

确认cuda版本(我这边已经下载了11.7)——确认pytorch——确认python/torchvision等——确认pycharm与anaconda

cuda如何确认主要与自己的配置有关,如果没有驱动要安装驱动

可供参考的网址:CUDA与cuDNN安装教程(超详细)-优快云博客

(因为我后续想用c++进行训练,因此还需要配置opencv,之后会编辑一份cuda与cudnn通过cmake配置opencv的记录)

cuda判断版本的方式CUDA的正确安装/升级/重装/使用方式 - 知乎 (zhihu.com)(这位大佬讲的很好,我是根据nvcc -V的指令查的,因为保险起见我的英伟达指令显示12.2,可以兼容11.7,但是以nvcc -V为准)

nvidia-smi指令得出的cuda版本

 nvcc -V指令得到的cuda版本

按照顺序进行索引:(cuda——pytorch——python/torchvision等——pycharm与anaconda)

1. cuda与pytorch的对应关系:【最新】CUDA Toolkit版本及可用PyTorch对应关系(参考官网)_cudatoolkit版本对应-优快云博客

2. pytorch及其他软件与cuda的对应关系:01 Pytorch和CUDA对应的版本及Pytorch和Python对应的版本及Python与Anaconda的对应关系_pytorch和cuda对应版本-优快云博客

    也可以参考这个版本匹配指南:PyTorch版本、torchvision 版本和Python版本的对应关系-优快云博客

3. python与pycharmPycharm与Python版本对应关系_pycharm对python版本有要求吗-优快云博客

4. python与anacondaanaconda python 版本对应关系_怎么查看anaconda和python的对应关系-优快云博客

    python3.10以上的看这个Python和Anaconda对应版本关系(最新)_python3.7对应anaconda哪个版本-优快云博客

感谢以上各位大佬整理!╰(°▽°)╯

这里勾选增加环境变量路径,选第二个选项进行自定义安装

全部勾选

等待安装ing

成功安装后检查一下环境变量的配置是否有误,打开win+R,输入cmd调出窗口

打开环境变量

打开PATH中的具体细节

有这两个说明配置成功,如果配置环境变量失败打开刚才黑色的指令窗口时他就会显示“python”不是内部或外部指令,这就要检查刚才是否勾选自动配置或者自己手动配置路径

在刚才的界面输入一窗最传统的代码,说明计算机掌握了python语言,继续编辑pip。

ctrl+z 再回车,得到如下界面

说明pip也安装完毕。

  • pycharm下载

pycharm分为profession版本与community版本,后者免费但前者更适应开发需求,因此我们下载破解版。可以参考该帖子pyCharm专业版破解激活_pycharm激活包-优快云博客

只需要记得版本与python对应即可,这里我下载的是2023.2版本。

最后验证一下pycharm结合python,可以参考pycharm安装教程,超详细-优快云博客

  • anaconda与pytorch下载

我的cuda版本为11.7,因此我下载1.13的pytorch版本,由于是python3.10的版本,因此anaconda我下载Anaconda3-2023.03-1这一版本【请注意一定是windows版本!】

先装anaconda

自定义文件夹,方便配置pytorch环境

等待安装即可,非常简单:)

看看“开始”里面是否有信息,这样子就安装完成了

不过我们刚刚还没配置环境变量,因此在cmd中输入conda是这样的

下面我们进行手动的环境配置

D:\pytorch\anaconda
D:\pytorch\anaconda\Scripts\
D:\pytorch\anaconda\Library\bin
D:\pytorch\anaconda\Library\mingw-w64\bin

根目录根据自己定义的写

关掉cmd.exe重新输入conda,完成!

接下来安装pytorch前,先使用anaconda prompt

首先输入

conda create -n pytorch python=3.10

(这里可以根据自己的版本确定3.XX),切记不要漏掉等于号,不然就会变成下面这样:

如果出现

PackagesNotFoundError: The following packages are not available from current channels:

— 3.10

说明库的内容部分损坏,进行一个清理与重新安装即可

conda clean --packages --tarballs

conda update --all

期间如果有类似确认proceed就继续确认输入y并回车

输入activate pytorch进入pytorch环境

接下来进行所需pytorch版本的安装【不要忘记采用适配的型号】官网只有最新版,可以看这个download.pytorch.org/whl/torch_stable.html

比如我需要cuda11.7对应的1.13.0pytorch版本,兼容python 3.10版本了,用于×64的windows系统,就选择这个

同一个链接里边找torchvision的链接

官网找到适配的版本再检查一下之前自己的推理对不对

同理下载torchaudio

这样就都安装好了

输入

import torch

torch.cuda.is_available()

验证是否完成安装

这样就配置好软件啦!

### 使用YOLOv8进行模型训练 #### 环境搭建 为了使用YOLOv8进行模型训练,首先需要设置合适的开发环境。这通常涉及安装Python以及必要的库和框架。对于YOLOv8而言,推荐通过GitHub仓库获取源码并按照官方文档完成依赖项的配置[^4]。 #### 数据准备 数据集的质量直接影响最终模型的效果。当采用自定义的数据集时,需将其转换成适合YOLO算法处理的形式——通常是带有标签信息的图片文件夹结构加上描述这些标签位置坐标的文本文件。具体操作可以参照详细的教程指南来整理自己的数据集[^1]。 #### 模型加载与初始化 利用`ultralytics`包中的API接口非常方便地创建一个新的YOLOv8实例: ```python from ultralytics import YOLO model = YOLO("yolov8n.yaml") # 构建新的小型网络架构 # 或者加载已有的预训练权重继续微调 model = YOLO("weights/yolov8n.pt") ``` 上述代码片段展示了两种不同的方式来初始化YOLOv8模型对象:一种是从零开始构建;另一种则是基于现有的预训练参数进一步优化[^3]。 #### 开始训练过程 一旦完成了前期准备工作之后就可以着手于实际的训练环节了。这里提供了一个简单的例子说明如何指定数据路径及迭代次数来进行一轮完整的训练周期: ```python model.train(data="path/to/dataset.yaml", epochs=100) ``` 此命令会读取给定YAML格式配置文件中所指明的数据分布情况,并据此执行设定数量轮次的学习更新动作。 #### 验证与测试 经过一段时间的有效学习后,应当及时检验当前版本下的识别精度表现如何。可以通过如下方法快速获得关于整个验证集合上的统计指标报告: ```python metrics = model.val() print(metrics.box.map) # 输出mAP等评价分数 ``` 这段脚本能够计算出目标检测任务常用的性能度量标准,比如平均精确率均值(mean Average Precision, mAP),从而帮助判断模型的好坏程度。 #### 导出部署就绪模型 最后一步是要把训练好的成果保存下来以便后续应用或分享出去。支持多种流行格式的选择使得这一阶段变得更加灵活多变: ```python success = model.export(format="onnx") if not success: print("Export failed.") else: print("Model successfully exported to ONNX format!") ``` 成功完成后即可得到一份可以直接投入生产的轻量化推理引擎输入形式之一ONNX文件。
评论 1
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