欢迎来到尧图网

客户服务 关于我们

您的位置:首页 > 新闻 > 国际 > yolov8复现

yolov8复现

2025/4/19 8:30:12 来源:https://blog.csdn.net/2301_81230251/article/details/147315485  浏览:    关键词:yolov8复现

Yolov8的复现流程主要包含环境配置、下载源码和验证环境三大步骤:

  1. 环境配置

    • 查看电脑状况:通过任务管理器查看电脑是否有独立显卡(NVIDIA卡)。若有,后续可安装GPU版本的pytorch以加速训练;若没有,则安装CPU版本,不过训练速度会较慢。
    • 安装所需软件
      • Anaconda3安装:可从清华镜像源选择对应系统版本的Anaconda3安装包下载。安装时选择“Just Me”,安装路径建议为非C盘的纯英文路径,如“D:\Anaconda3” 。安装过程中记得勾选添加到环境变量的选项,推荐全选相关配置选项。
      • Pycharm安装:在官网下载社区免费版,下载后打开安装程序,选择安装路径(建议非C盘) ,安装选项中勾选创建桌面快捷方式、更新PATH变量等,然后点击安装。
    • 安装环境
      • 安装cuda及cudnn:安装pytorch前需安装cuda。通过“nvidia - smi”命令查看显卡支持的CUDA最高版本,若版本不足需更新显卡驱动。在NVIDIA Developer官网或提供的网盘链接下载匹配版本的cuda,安装时建议选默认路径,安装过程中选择自定义安装并全选组件。安装完成后用“nvcc - V”命令检查是否安装成功。之后,进入cudnn官网,下载与cuda版本匹配的cudnn Windows版本压缩包,解压后将里面的三个文件夹内容复制到cuda的安装目录下进行覆盖替换。

      • 创建虚拟环境:打开Anaconda Prompt,修改pip源和conda源为中科大源以加速下载。然后创建名为yolov8、python版本为3.9的虚拟环境(若使用教程指定的pytorch源及版本,python版本需为3.9),命令为“conda create -n yolov8 python = 3.9” ,创建完成后用“conda activate yolov8”命令进入该环境。

      • 安装GPU版本(有NVIDIA显卡):在yolov8环境中,使用命令“pip install torch2.0.0+cu118 torchvision0.15.1+cu118 --extra - index - url https://download.pytorch.org/whl/cu118”安装pytorch的GPU版本。若下载失败,可从夸克网盘下载对应版本的torch文件,通过“pip install”安装本地文件的方式安装。安装完成后,使用“pip install ultralytics”命令安装ultralytics库,若安装报错,可使用“pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple”命令安装。

      • 在这里插入图片描述

      • 安装CPU版本(无NVIDIA显卡):在yolov8环境中,使用命令“pip install torch2.0.0 torchvision0.15.1 torchaudio==2.0.1 --index - url https://download.pytorch.org/whl/cpu”安装pytorch的CPU版本。安装完成后,同样使用“pip install ultralytics”命令安装ultralytics库,报错处理方式与GPU版本安装时相同。

  2. 下载yolov8源码:可从GitHub仓库“https://github.com/ultralytics/ultralytics/”下载yolov8源码,也可从夸克网盘下载。在这里插入图片描述

  3. 验证环境:将下载的预训练权重文件复制到ultralytics根目录(如ultralytics - 8.2.0目录)下,从网上找一张图片(如猫猫图片),命名为cat.jpg并放入相同目录。在yolov8环境下,通过命令行运行“yolo predict model=yolov8n.pt source=‘cat.jpg’” ,或者在Pycharm中新建yolov8_predict.py文件,添加如下代码运行验证:

from ultralytics import YOLO
# 加载预训练的 YOLOv8n 模型
model = YOLO('yolov8n.pt')
# 定义图像文件的路径
source = 'cat.jpg' 
# 运行推理,并附加参数
model.predict(source, save=True)

运行后若出现类似 “image 1/1… 1 cat, …ms” 且结果保存路径正确的信息,即表明环境正常。若报错,根据报错信息进行相应处理,如 “ModuleNotFoundError: No module named ‘hub_sdk‘” 错误,执行 “pip install hub_sdk” ;“ImportError: DLL load failed while importing _imaging: 找不到指定的模块” 错误,执行 “pip install pillow8.4.0” ;numpy相关错误,执行 “pip install numpy1.26.3” 等。

最终运行结果

在这里插入图片描述

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com

热搜词