yolov10学习记录环境搭建

电脑端软件 Anaconda Navigator

1.安装好Anaconda可以在电脑上找到Anaconda Prompt

2.命令行输入conda create -n uolov10 python=3.9创建环境

3.这里输入 y

4、出现这个界面,则创建成功

5、命令行输入conda activate uolov10,显示开头是(yulov10)则已经进入

6、命令行输入nvidia-smi查看显卡配置,我这里是n卡,如果你的电脑也是n卡但是没有出现这个界面,说明显卡驱动有问题

如图显示我的CUDA版本是12.1

6.进入PyTorch官网,查看历史版本

PyTorch

我这里用到的是2.0.1版本,只要是电脑CUDA比这个高就行,直接复制代码到命令行去

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

7。在一个电脑好找的位置新建requirements.txt文本文件

文本里复制下面文件,并进行保存

onnx==1.14.0
onnxruntime==1.15.1
pycocotools==2.0.7
PyYAML==6.0.1
scipy==1.13.0
onnxsim==0.4.36
onnxruntime-gpu==1.18.0
gradio==4.31.5
opencv-python==4.9.0.80
psutil==5.9.8
py-cpuinfo==9.0.0

我把这个文件直接放在D盘,直接用 cd /d D:\ 进入这里

再次输入 pip install -r requirements.txt安装库

要使用YOLOv8进行布匹缺陷检测的模型训练和评估,首先需要一个适合的环境配置。anaconda环境因其包管理和环境隔离的优点,成为搭建深度学习项目的首选。你可以参考《YOLOv8布匹缺陷识别检测系统完整教程及资源下载》来了解整个搭建和部署流程。 参考资源链接:[YOLOv8布匹缺陷识别检测系统完整教程及资源下载](https://wenku.youkuaiyun.com/doc/th6we7x1yd?spm=1055.2569.3001.10343) 在anaconda环境中,首先需要创建一个新的虚拟环境,你可以使用conda命令来创建和激活环境: conda create -n yolov8 python=3.8 conda activate yolov8 接着,安装YOLOv8依赖的PyTorch及其他相关库。如果使用清华源进行安装,可以加速下载过程: conda install pytorch torchvision torchaudio -c pytorch -c conda-forge 安装完成后,可以通过git克隆YOLOv8的官方仓库: git clone *** 进入YOLOv8的目录后,需要根据布匹缺陷检测的需求对代码进行适当修改,比如调整网络结构、预处理流程等。然后,准备布匹缺陷的数据集,并编写数据集配置文件,例如bicycle.yaml,根据实际情况调整类别和路径信息。 在模型训练之前,确保你的数据集已经按照YOLOv8所需的格式组织好。然后,通过修改train.py文件中的参数,启动训练过程: python train.py --img 640 --batch 16 --epochs 50 --data baiwei.yaml --weights yolov8s.pt 这里的参数可以根据实际情况进行调整,以获得更好的训练效果。训练完成后,使用val.py脚本来验证模型性能,记录各项评估指标: python val.py --data baiwei.yaml --weights runs/train/exp/weights/best.pt 评估指标可能包括精确度、召回率、mAP等,这些指标能够帮助你了解模型在检测布匹缺陷方面的表现。根据评估结果,你可以进一步调整模型参数或训练策略,以提高检测的准确性。 随着项目的深入,你可以通过《YOLOv8布匹缺陷识别检测系统完整教程及资源下载》中的高级教程和文档来进一步掌握模型优化和部署的技巧。资源包不仅提供了完整的源码和模型,还包括了详细的部署教程,是学习YOLOv8在布匹缺陷检测应用中的宝贵资源。 参考资源链接:[YOLOv8布匹缺陷识别检测系统完整教程及资源下载](https://wenku.youkuaiyun.com/doc/th6we7x1yd?spm=1055.2569.3001.10343)
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