yolov8学习

【学习记录】

一、安装环境:

【yolov7环境中完全可以】,直接安装requirement.txt即可

1、创建虚拟环境
conda create -n yolov7 python=3.7 -y
conda activate yolov7
#退出环境
conda deactivate
2、下载源码:
git clone https://github.com/ultralytics/ultralytics
cd ultralytics
pip install -e '.[dev]'
3、安装依赖
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

【注意】训练yolov7时已经单独安装过pytorch

二、训练:

1、下载预训练模型

2、训练

1:yolo task=detect mode=train model=yolov8x.yaml data=mydata.yaml epochs=350 batch=8

3、预测

yolo task=detect mode=predict model=yolov8n.pt device=0 show=True(实时显示)

【训练时遇到的问题】

问题1:CUDA error:out of memory

解决:nvidia-smi #查看gpu使用情况

kill -9 -PID #杀掉没用的进程

问题2:tktinker会报错,按照网上的来就行

解决:报错的文件中:from mttkinter import mtTkinter as tk
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
根据引用和引用的内容,YOLOv8是一种目标检测模型。与YOLOv5相比,YOLOv8的yaml配置文件改动较小。YOLOv8采用了Anchor-Free的思想,使用VFL Loss、DFL Loss和CIOU Loss作为分类损失函数,并采用了Task-Aligned Assigner匹配方式进行样本匹配。此外,YOLOv8还引入了YOLOv8 Nano(速度最快)和YOLOv8 Extra Large(准确性最高)等不同规模的模型。 如果你想学习YOLOv8的相关知识,可以参考官方文档或者专业的教程。这些资源可以帮助你理解YOLOv8的原理、配置文件和模型性能,并帮助你开始使用和学习YOLOv8。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [YOLOv8模型学习笔记](https://blog.csdn.net/pengxiang1998/article/details/129151514)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* *3* [YOLOv8学习笔记](https://blog.csdn.net/GoodTime1110/article/details/129767920)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
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