YOLOv8在无显卡的电脑上安装配置全流程（小白CPU版）

工欲善其事必先利其器，学Yolov8必须首先学会环境搭建。

先附上所需的文件下载地址：（根据需要下载）
链接：https://pan.quark.cn/s/b7b930cf9a79下载地址https://pan.quark.cn/s/b7b930cf9a79

---

安装Anaconda Python虚拟环境管理器

1.官方下载地址（有点慢）：https://repo.anaconda.com/archive/（最好下载旧版本的）

2.一路next即可，安装位置可改到D盘，建议安装在非系统盘，正常情况下勾了就不用添加环境变量了。

• 下载安装好了anaconda，启动这个软件，新建一个虚拟环境
• 点击create按钮，新建一个虚拟环境，这里名字叫做yolotest为例子，可以是其他名称,Python版本选择3.8.19，点击Create等待环境创建成功。
• 提醒（在创建虚拟环境前，可以自己改默认虚拟环境创建路径，但本教程就不改，虚拟环境默认安装在C盘，需要的自己网上搜有教程）

3.选择yolotest右边的绿色三角号按钮，会弹出选项，选择Open Terminal选项，进入了终端

终端前面带有 yolotest 虚拟环境名称的说明成功了

配置环境

• 接上面的步骤，安装需要的Python类库
• 先将安装位置换到D盘，输入以下命令

• 然后在终端依次输入输入以下命令（默认装CPU版的torch)

• pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple/
  pip config set install.trusted-host pypi.tuna.tsinghua.edu.cn
  pip install torch==1.12.1+cpu torchvision==0.13.1+cpu torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cpu
  pip install yolo
  pip install ultralytics
  pip install ncnn
  pip install labelimg

• ---

  针对ultralytics网络不好的同学，我这里上传了一份：点击下载

• 下载后，将ultralytics复制到D盘上，然后继续在终端逐条输入以下指令

• cd ultralytics
  pip install -e .
  

• ---

  以下是yolo,ultralytics成功安装结束的图，可能版本号不同，但没关系。

• 

• 验证labelimg图片标注工具是否正常，控制台输入labelimg，即可打开labelimg程序，然后关闭程序。

• 

• ---

  新建训练目录

• 找个空目录（可以去E盘里），新建文件夹，名称叫做 yolotrain,也可以是其他名称,这里的例子是在E盘的yolotrain文件夹
• 在 yolotrain 新建labels和images文件夹，在images文件夹新建test,train,val三个文件夹，在labesl下面新建train,val两个文件夹
• 
• images文件夹下面的test,train,val三个文件夹，全部存放相同的要训练的图片，例如train下面是 1.png,2.png，将这个两个文件复制一份到val，再复制一份到test文件夹
• labels下面的train,val两个文件夹存放的是用labelimg标注的标签数据文件，等会 labelimg 使用会用到这个文件夹

---

标注数据

• 将准备好的图片放到 images/train 文件夹，下面并且复制一份到 images/val 和 images/test两个文件夹

• 接上步骤 配置环境 的命令控制台,输入 labelimg 命令，即可打开 labelimg 程序

  • 点击 Open Dir 按钮，选择到你的 images/train 文件夹即可，例如 E:/yolotest/images/train
  • 点击 Change Save Dir 按钮，选择到你的 labels/train 文件夹即可，例如 E:/yolotest/labels/train
  • 点击Save 下面的格式按钮，调整到 YOLO 格式的模式即可,请看下图

  

下面开始标注数据

• 例子是 某音的 点赞 和 评论 按钮

• 在图片上右键菜单，选择 Create RectBox 选项，或者点击左侧的 Create RectBox

  

• 在 点赞 图片区域拉出选框，会弹出框，输入分类名称，这里填写的是 aixin，点击ok即可保存 ，这分类名称注意后面函数调用要用到

  

• 在 评论 图片区域拉出选框，会弹出框，输入分类名称，这里填写的是 pinglun，点击ok即可保存

  

• 第一个图片标注完成后，点击左侧的 Save 按钮保存，然后点击 Next Image 切换标注下一张图片，操作和第一张图片类似

• 图标标注保存后，会在 labels/train 文件夹存储了标注的数据，classes.txt内容就是分类名称，其他的是和图片相同的名称的txt标注文件

  

• 将 labels/train 文件夹数据复制到 labels/val 文件夹，等会验证模型的时候使用

---

训练模型

在 yolotrain 文件下新建一个训练的配置文件，例如文件名称叫 aixin.yaml，使用记事本打开，填写内容如下

path: E:/yolotrain
train: images/train
val: images/val
test: images/test
nc: 2
names: ["aixin","pinglun"]

• 参数解释：

  • path: 代表训练的根目录，这里的 yolotrain 在E盘，就写 E:/yolotrain，其他盘的路径自己修改
  • train: 代表要训练的图片文件夹,相对于path路径
  • val: 代表要验证的图片文件夹,相对于path路径
  • test: 代表要测试的图片文件夹,相对于path路径
  • nc: 代表分类名称数量，这是2个，因为使用labelimg标注的是2个类别，如果是多个数据就跟和实际类别数量一样的即可
  • names: 是一个json数组，代表的是标注的分类名称，labelimg使用的是aixin和pinglun两个分类名称，这里就这样写即可
  • 名称的顺序不要写错，会影响训练结果

• 开始训练

• 在控制台输入命令

• 在cmd窗口，输入 e:/ 回车，在输入 cd yolotrain，进入这个文件夹 yolotrain，其他路径自行进入

• 训练命令，下面两个任选一个，截图参数看ultralytics官网

yolo detect train data=e:/yolotrain/aixin.yaml model=e:/yolotrain/yolov8s.pt imgsz=640

 或者使用指定训练次数的指令，epochs=100表示训练100次。

yolo detect train data=e:/yolotrain/aixin.yaml model=e:/yolotrain/yolov8s.pt epochs=100 imgsz=640

 这个时候系统会下载yolov8s.pt的基础训练文件，如果下载失败，直接到本章节的开头，直接下载我上传的文件，然后下载解压复制 yolov8s.pt 到 e:/yolotrain/下存放

• 也可以到网址下载 https://docs.ultralytics.com/models/yolov8/#performance-metrics
• 下载地址是 https://github.com/ultralytics/assets/releases/download/v8.2.0/yolov8s.pt

环境配置成功，一切无误，开始训练中

训练完毕，注意这里的 Results saved后面的路径是动态的，截图中是在 runs/detect/train文件夹下，就是E:/yolotrain文件夹下

• 在训练完成的目录中可以找到 best.pt 的训练模型以及训练中被标记和选中目标的图片结果集，best.pt就是我们训练出来最好的模型。

---

验证模型

• 训练完成后，可以对图片进行验证
• cmd控制台输入命令
  • model 参数代表是 需要验证的模型
  • data 代表检测的配置

yolo detect val data=e:/yolotrain/aixin.yaml model=e:/yolotrain/runs/detect/train/weights/best.pt

 验证结果，这里的 Results saved后面的路径是动态的，请到对应的文件下查看图片标注结果

 至此模型训练已经结束啦。。。。。。。。。

差点忘了，模型格式的转换，Yolo的pt模型转onnx格式指令

yolo mode=export model=d:/ultralytics/runs/detect/train/weights/best.pt format=onnx simplify=True

注意：需修改成自己的best.pt的路径才能成功导出自己想要的onnx格式的模型。