安装和配置环境

安装Miniconda

选择合适的方式安装Miniconda：https://docs.anaconda.com/miniconda/miniconda-install/

在Miniconda中创建环境

安装完成Miniconda后打开cmd并执行以下命令来创建python版本为3.8的名为yolov8的环境：

conda create -n yolov8 python=3.8

创建完成环境后，执行以下内容来进入名为yolov8的环境：

conda activate yolov8

执行后命令提示符应当有(yolov8)前缀

安装Pytorch

确定可以使用的最高版本CUDA

右键桌面，打开NVDIA控制面板

点击左下角系统信息

选择组件

即可查看到当前显卡支持的最高CUDA版本

下载Pytorch

前往Pytorch官网选择适合自身版本的Pytorch：https://docs.anaconda.com/miniconda/miniconda-install/

复制生成的命令前往yolov8环境运行

安装和配置yolov8

前往官方github界面下载源码：https://github.com/ultralytics/ultralytics

下载完成后解压到合适的路径

在当前路径下打开cmd并进入yolov8环境：

conda activate yolov8

运行以下命令进行安装：

pip install -e .

至此，yolov8的全部环境已配置完毕

尝试进行第一次预测

使用命令进行预测

在上文中的环境中运行以下命令来进行对实例图片的预测（将自动下载yolov8n.pt模型）：

yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'

运行完成后的结果应当在runs\detect\predict路径下

创建文件进行检测

如果还未下载任何模型，请前往github下载一个，此处以yolov8n.pt 为例，实例图片同

在根目录下创建一个.py或.ipynb 用作预测，此处以predict.ipynb 为例

首先在环境中安装jupyterlab：

pip install jupyterlab

在创建的predict.ipynb 中写入以下内容并执行来完成预测：

from ultralytics import YOLO

model = YOLO("./yolov8n.pt", task="detect")

result = model(source="https://ultralytics.com/images/bus.jpg")

如果需要保存结果，则将最后一句改为：

result = model(source="https://ultralytics.com/images/bus.jpg", save=true)

如果需要更改阈值（以0.25为例），则将最后一句改为：

result = model(source="https://ultralytics.com/images/bus.jpg", conf=0.25)

如果要检测屏幕，则将最后一句改为：

result = model(source="screen")

如果提示缺少mss，则执行以下命令安装

pip install mss

如果要检测摄像头，则将最后一句改为：

result = model(source=0)

了解配置文件所在的路径

配置文件所在的路径为ultralytics\cfg\default.yaml

其中可以看到各种配置选项，详细内容可以参考官方文档：https://docs.ultralytics.com/

标签

  • Yolov8
  • Ultralytics