YOLOV8环境配置

【yolov8.1超简单环境搭建、标注、训练、转onnx、转输出维度】https://www.bilibili.com/video/BV1Mu411F7MD?vd_source=0aeb782d0b9c2e6b0e0cdea3e2121eba

4.创建python环境

conda create -n yolo python==3.8

查看现存环境

conda env list

激活环境

conda activate yolo

激活失败

onda init cmd.exe

删除环境

conda eny remove -n yolo

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

1.显卡驱动查看
nvidia-smi

2.yolo源码与模型
https://hub.nuaa.cf/ultralytics/ultralytics
https://github.com/ultralytics/ultralytics

3.anaconda
https://www.anaconda.com/download
https://repo.anaconda.com/miniconda/Miniconda3-latest-Windows-x86_64.exe
环境变量:
C:\ProgramData\miniconda3
C:\ProgramData\miniconda3\Scripts
C:\ProgramData\miniconda3\Library\bin

4.创建python环境
conda create -n yolo python==3.8
查看现有环境
conda env list
激活环境
conda activate yolo
激活失败
conda init cmd.exe
删除环境
conda env remove -n yolo

5.安装库
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
pip install ultralytics==8.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install onnx -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install onnxsim -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install onnxruntime -i https://pypi.tuna.tsinghua.edu.cn/simple


修改输出维度
gitub镜像下载地址:https://hub.nuaa.cf/shouxieai/infer
python v8trans.py best.onnx

推理检测
yolo predict model=yolov8n.pt source=4.png


yolo标注转换工具(30元)
微信:PUSHEBX

需要C#、易语言yolo调用框架可联系up,全网最强,没有之一

验证:

yolo task=detect mode=predict model=yolov8n.pt source=E:/my_project/yolov8_project/ultralytics-main/ultralytics/assets/bus.jpg imgsz=640 show=True save=True

环境配置参考如下链接:

Win11+Anaconda+Pycharm+Yolov8开发环境搭建与检测验证_conda install ultralytics-优快云博客

### 配置YOLOv8环境 对于配置YOLOv8的环境,建议使用Anaconda来管理依赖项和创建隔离的工作空间。具体来说,为了确保最佳兼容性和性能,应建立一个新的Conda虚拟环境,并指定Python版本为3.9,这与YOLOv8的要求相匹配[^3]。 #### 创建虚拟环境 通过执行如下命令可以轻松设置所需的开发环境: ```bash conda create -n yolov8 python=3.9 ``` 此操作会初始化一个名为`yolov8`的新环境,其中包含了指定版本的Python解释器。激活该环境以便继续安装其他必要的库和工具: ```bash conda activate yolov8 ``` #### 安装PyTorch及相关组件 考虑到YOLOv8可能依赖于特定版本的PyTorch框架及其CUDA扩展,因此还需要确认已经正确设置了这些软件包。如果目标硬件支持,则应该优先考虑利用GPU加速计算能力;这意味着除了满足最低要求外,还应当验证CUDA驱动程序不低于10.2版本[^1]。 可以通过官方渠道或者预编译二进制文件的形式获取适合当前系统的PyTorch发行版。通常情况下,在活动环境中运行pip install指令即可完成这一过程: ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113 ``` 上述命令假设使用的是带有CUDA 11.3支持的NVIDIA GPU设备。如果没有合适的图形处理器或不打算启用GPU模式,则可以选择仅限CPU的支持版本。 #### 获取YOLOv8资源 最后一步是从GitHub仓库克隆最新的YOLOv8项目源码到本地计算机上。这样不仅可以获得完整的模型架构定义,也能访问配套的数据集处理脚本和其他辅助函数: ```bash git clone https://github.com/ultralytics/ultralytics.git cd ultralytics/ pip install -r requirements.txt ``` 以上步骤涵盖了从零开始搭建适用于YOLOv8研究工作的基础平台所需的关键要素。当然,实际应用过程中或许还会遇到更多细节上的调整需求,比如针对不同操作系统做出适当修改等。
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