在 Anaconda 环境中配置 TensorFlow（CPU 版本） 和 YOLOv8，并使用 PyCharm 进行数据集训练

1. 安装 Anaconda

如果你还没有安装 Anaconda，请按照以下步骤安装：

1. 访问 Anaconda 官网 下载适合你操作系统的安装包。

2. 安装 Anaconda，安装过程中勾选 “Add Anaconda to PATH”（将 Anaconda 添加到系统环境变量）。

3. 安装完成后，打开终端（Windows 上是 Anaconda Prompt，macOS/Linux 上是 Terminal），输入以下命令检查是否安装成功：

   conda --version

   如果显示版本号（如 conda 23.9.0），说明安装成功。

2. 创建并配置 Conda 环境

1. 打开终端，创建一个新的 Conda 环境（例如命名为 yolov8_env）：

   conda create --name yolov8_env python=3.9

   这里使用 Python 3.9，因为它是 TensorFlow 和 YOLOv8 都支持的版本。

2. 激活环境：

   conda activate yolov8_env

3. 安装必要的依赖：

   conda install numpy pandas matplotlib jupyter

4. 安装 YOLOv8

1. 在激活的 Conda 环境中安装 YOLOv8：

   pip install ultralytics

2. 验证 YOLOv8 是否安装成功：

   python -c "from ultralytics import YOLO; print(YOLO)"

   如果没有报错，说明安装成功。

3. 如果无法用pip下载可以到git上面下载源代码，放到项目中

   

5. 配置 PyCharm

1. 安装 PyCharm：

   • 如果还没有 PyCharm，可以从 JetBrains 官网 下载并安装。

2. 配置 Conda 环境：

   • 打开 PyCharm，创建一个新项目。

   • 在项目设置中，选择 File -> Settings -> Project: <项目名> -> Python Interpreter

   • 选择 Add Interpreter -> Conda Environment -> Existing environment 

3. 验证 PyCharm 配置：

   • 在 PyCharm 中创建一个 Python 文件（如 test.py），输入以下代码：

     import tensorflow as tf
     from ultralytics import YOLO
     
     print("TensorFlow version:", tf.__version__)
     print("YOLO version:", YOLO)

   • 运行代码，如果输出 TensorFlow 和 YOLO 的版本号，说明配置成功。

6. 准备数据集

1. 下载数据集：

   • 你可以使用公开的数据集（如 COCO 或 VOC），或者准备自己的数据集。

   • 数据集需要包含图像和对应的标注文件（如 YOLO 格式的 .txt 文件）。

2. 组织数据集：

   • 数据集目录结构示例：

     dataset/
     ├── images/
     │   ├── train/        # 存放训练集的图像文件（如 .jpg、.png）
     │   └── val/          # 存放验证集的图像文件
     └── labels/
         ├── train/        # 存放训练集的标签文件（.txt，YOLO 格式）
         └── val/          # 存放验证集的标签文件

   • 确保每个图像文件（如 image1.jpg）对应一个标注文件（如 image1.txt）。

3. 创建数据集配置文件：

   • 在项目目录下创建一个 YAML 文件（如 dataset.yaml），内容如下：

     # dataset.yaml
     train: dataset/images/train   # 训练集图像路径
     val: dataset/images/val       # 验证集图像路径
     
     nc: 3                        # 类别数量（例如3类）
     names: ['cat', 'dog', 'car'] # 类别名称列表（按索引顺序）

---

7. 训练 YOLOv8 模型

1. 在 PyCharm 中创建一个 Python 文件（如 train.py），输入以下代码：

   from ultralytics import YOLO
   
   # 加载预训练模型
   model = YOLO('yolov8n.pt')
   
   # 训练模型
   results = model.train(data='dataset.yaml', epochs=50, imgsz=640, device='cpu')

2. 运行 train.py，开始训练模型。

   • 由于使用的是 CPU，训练速度会较慢。建议使用小型数据集进行测试。

7. 划分数据集

1. 通常按比例划分（如 80% 训练集，20% 验证集）

2. 可使用代码自动划分（例如 splitfolders 库）：

   pip install splitfolders

   import splitfolders
   splitfolders.ratio("原始数据集路径", output="dataset", ratio=(0.8, 0.2))