yolov8环境搭建与应用

原创

已于 2025-06-11 13:41:47 修改 · 1.2k 阅读

15 ·

CC 4.0 BY-SA版权

文章标签：

#python #YOLO

于 2025-06-09 13:58:38 首次发布

YOLOv8（You Only Look Once version 8）是一个深度学习框架，用于实现实时对象检测。它是 YOLO 系列的最新迭代，旨在提供更高的准确性和速度。YOLOv8 继承了前代模型的优点，并在此基础上进行了多项改进，包括更复杂的网络架构、更优化的训练流程和更强大的特征提取能力。这些改进共同作用，使得 YOLOv8 在多个标准数据集上达到了前所未有的检测性能。

YOLOv8 的特点：

实时性能: YOLOv8 继续保持 YOLO 系列的实时检测特性，即使在较低的硬件配置上也能达到很高的帧率（FPS）。

高准确度: 通过更深更复杂的网络结构和改进的训练技巧，YOLOv8 在保持高速度的同时，也大幅提高了检测的准确度。

多尺度预测: YOLOv8 引入了改进的多尺度预测技术，可以更好地检测不同大小的对象。

自适应锚框: 新版在自适应调整锚框方面做了优化，可以更准确地预测对象的位置和大小。

一、环境安装

1.1 miniconda安装（可选，可用anaconda也可直接用pip）

1.1.1miniconda安装

下载地址：链接

如果C盘有空间，最好安装在C盘，且安装目录不要有中文
勾选将其添加到Path

1.1.2 conda环境创建

#创建命令。明确指定版本，否则可能会因为版本过高导致有包安装不上
conda create -n yolov8 python=3.9

#激活环境
conda activate yolov8

#查看环境列表
conda env list

1.1.3 pip配置国内源（阿里源）

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
pip config set global.trusted-host mirrors.aliyun.com

#查看pip镜像源
pip config list

1.2 pytorch安装

1.2.1 pytorch安装

官网地址：链接
在一个单独的环境中，能使用pip就尽量使用pip，实在有问题的情况，例如没有合适的编译好的系统版本的安装包，再使用conda进行安装，不要来回混淆
根据你自己的情况选择版本与安装方式

1.2.2 CUDA是否需要安装
如果只需要训练、简单推理，则无需单独安装CUDA，直接安装pytorch，如果有部署需求，例如导出TensorRT模型，则需要进行CUDA安装
1.2.2.1 首先查看自身电脑的是否有NVIDIA硬件环境
在电脑桌面右键，打开NVIDIA的控制面板

1.2.2.2 下载对应cuda版本的驱动

下载地址：链接

选择自己对应的版本下载

1.2.2.3 下载安装cuDNN
http官网地址 https://developer.nvidia.com/cudnn-downloads 点我跳转
下载cuDNN是需要登录英伟达开发者账户的，注册一个并填写问卷就行了，很简单。
注意：必须选择和你安装的CUDA匹配的版本，我这里选中12.0.1版本的。

将cuDNN解压到D盘
将三个文件夹拷贝到到cuda的安装目录下。默认的安装路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0
添加环境变量

1 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\bin
2 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\include
3 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\lib
4 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\libnvvp

-验证： win+R cmd进入安装目录下，再进入到 extras\demo_suite下，执行.\bandwidthTest.exe和.\deviceQuery.exe，得到下图。

1.2.3Pytorch安装注意事项

16XX的显卡，安装cu102版本，否则可能训练出现问题
30xx、40xx显卡，需要安装cu111以上版本，否则无法运行
这里我的显卡事3050的，使用的安装命令是

pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116

1.3 ultralytics(YOLOv8)安装

直接使用源码（不是很推荐，无法使用命令行工具） github地址
pip直接安装（官方推荐，个人不是很推荐）
pip源码安装（个人推荐）

1.下载github源码
2.解压源码
3.进入解压的ultralytics-main文件夹
4.执行pip install -e .  (-e . 参数必须要有，否则后续修改代码无效)

安装好之后，使用 pip list 查看

后边的后缀表示这个包的源码在哪个位置

可能会出现的问题：ERROR: Cannot uninstall ‘TBB’. It is a distutils installed project and thus we cannot accurately determine which files belong to it which would lead to only a partial uninstall.

执行pip - V (大写V)，会出现一个目录
进入目录 Lib\site-packages 删除文件夹：“llvmlite”
然后执行 conda uninstall TBB 中间需要输入一次Y
然后再重新安即可装

1.3.1 测试

先进入ultralytics-main目录，然后激活环境

conda activate yolov8

再执行命令

#这个命令需要下载模型，网络不稳定可能需要科学上网
yolo predict model=yolov8n.pt source=ultralytics/assets/bus.jpg

1.4 正确使用windows中的终端

因为此前已经创建过虚拟环境了，激活环境

conda activate yolov8

二、模型预测

环境验证(可选)

import torch

print(torch.__version__)#输出PyTorch版本
print(torch.cuda.is_available())#这个理论输出True
print(torch.version.cuda)#这个应该输出CUDA版本
print(torch.backends.cudnn.version())#输出CUDNN版本
print(torch.cuda.device_count())#这个应该输出GPU数量

2.1 模型预测的基本使用

from ultralytics import YOLO

yolo = YOLO("./yolov8n.pt" ,task = "detect")
# result=yolo(source="./ultralytics/assets/bus.jpg")#对图片进行检测/这里也可以是视频
# result=yolo(source="screen")#对屏幕进行检测
# result=yolo(source=0)#对摄像头进行检测

# result=yolo(source="./ultralytics/assets/bus.jpg",save=True)#save=True 对

最低0.47元/天解锁文章