YOLOv8(2024年8月版本)安装配置！一条龙傻瓜式安装，遇到问题评论区提问_yolov8下载

输入下面命令

conda create -n y8 python=3.8

是否安装环境所需基础包，输入y安装即可，安装完成如下图

输入下面命令查看是否创建成功

 conda env list 

激活进入环境

conda activate y8

激活成功后，前面的base会替换成y8

第三步 安装配置文件

首先先把pip的源换到国内aliyun镜像，下载速度提高很多

pip config set install.trusted-host mirrors.aliyun.com

首先conda环境cd进入ultralytics-main下，在文件夹内有个配置文件requirements.txt 在conda页面使用pip安装一下
注意如果是2024新版yolov8 requirements.txt文件在ultralytics.egg-info文件夹下

pip install -r requirements.txt

很多网友反应requirements.txt没有了，我把内容放在这，复制自己新建一个requirements.txt安装，配置环境。

# Ultralytics requirements
# Usage: pip install -r requirements.txt

# Base ----------------------------------------
matplotlib>=3.2.2
numpy>=1.22.2 # pinned by Snyk to avoid a vulnerability
opencv-python>=4.6.0
pillow>=7.1.2
pyyaml>=5.3.1
requests>=2.23.0
scipy>=1.4.1
torch>=1.7.0
torchvision>=0.8.1
tqdm>=4.64.0

# Logging -------------------------------------
# tensorboard>=2.13.0
# dvclive>=2.12.0
# clearml
# comet

# Plotting ------------------------------------
pandas>=1.1.4
seaborn>=0.11.0

# Export --------------------------------------
# coremltools>=6.0,<=6.2 # CoreML export
# onnx>=1.12.0 # ONNX export
# onnxsim>=0.4.1 # ONNX simplifier
# nvidia-pyindex # TensorRT export
# nvidia-tensorrt # TensorRT export
# scikit-learn==0.19.2 # CoreML quantization
# tensorflow>=2.4.1 # TF exports (-cpu, -aarch64, -macos)
# tflite-support
# tensorflowjs>=3.9.0 # TF.js export
# openvino-dev>=2023.0 # OpenVINO export

# Extras --------------------------------------
psutil  # system utilization
py-cpuinfo  # display CPU info
# thop>=0.1.1 # FLOPs computation
# ipython # interactive notebook
# albumentations>=1.0.3 # training augmentations
# pycocotools>=2.0.6 # COCO mAP
# roboflow

我已经安装了一遍，安装完成大概如下图所示

安装完配置文件在安装一下yolov8在python>=3.8版本必要安装包

pip install ultralytics

第四步 下载训练模型，推荐yolov8s.pt或者yolov8n.pt，模型小，下载快，在gitee或者github下方readme里面，下载完成后，将模型放在主文件夹下，

yolov8s.pt下载地址：yolov8s.pt

yolov8n.pt下载地址：yolov8n.pt

YOLOv8 可以在命令行界面（CLI）中直接使用，使用yolov8自带经典图片进行测试：
首先cd进入yolov8主文件夹下，运行下面命令

yolo predict model=yolov8n.pt source='ultralytics/assets/bus.jpg' device=0

我的结果保存在runs\detect\predict4中，你们的看Results saved to 存放地址，结果如下图

如果出现上面图片即成功

第四步 训练自己模型（cpu）

首先在yolov8主文件夹内创建data文件夹，创建一个data.yaml文件：

这里需要转成yolov8训练集 

train: xxx/xxx/images/train    //xxx/xxx为训练集图片根目录地址，一定要是绝对路径
val: xxx/xxx/images/val
nc: 1 #标签数量
names: ["1"]#标签名称

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）

c1008edf79.png)

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）