（0基础）Yolov8环境搭建与初步训练模型

1.安装Anaconda

基本操作，各位熟悉的同学可以直接跳过

可以选择从官网或者国内镜像网站下载（建议国内镜像）。前者因为各种原因，速度一般非常慢。国内一般选择后者镜像下载。
（1）官网，进去都是英文，不懂直接点翻译。

Free Download | Anaconda

（2）国内镜像源。这里提供的是清华大学开源镜像网站。

Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

(看准最新日期下载最新版，再看文件名下载相应系统的对应版本，一般看准windows和x86_64还有exe的版本就可以了）

安装时要记住安装目录！后面要用到！

安装完后会出现这两个

一般我们只用下面的Anaconda Powershell Prompt进行命令行操作即可。

2.安装PyCharm

进入网址：Download PyCharm: Python IDE for Professional Developers by JetBrains

点击下面的PyCharm社区版进行下载（专业版免费30天，之后需要付费才可使用，不过你可以进行学生认证来获得免费使用权限）

3.进入Yolov8官网查看中文官方文档

主页 - Ultralytics YOLOv8 文档

官方文档非常详细，感兴趣的同学可以直接查看官方文档进行学习

4.开始配置Anaconda虚拟环境

打开Anaconda Powershell Prompt，输入以下内容，创建一个名叫Yolov8的Python3.10虚拟环境

conda create -n yolov8 python=3.10

然后输入以下内容，下载换为国内镜像源，加快下载速度。

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

接着输入以下，进入到刚刚创建的虚拟环境

conda activate yolov8

再输入以下，进行yolov8相关包的安装

pip install ultralytics yolo

如果你的电脑没有GPU，即显卡，那么你训练时候将启动CPU，即处理器，到这就已经完成了环境搭建。

这里暂时不知道AMD卡的GPU该怎么配置，如果你是AMD卡的用户，请另找方法。

如果你电脑有Nvidia卡GPU，那么继续以下操作来启用gpu，加快训练速度。

仍在刚刚的那个环境下，输入以下内容，卸载原来的pytorch。

pip uninstall torch torchvision torchaudio

参考下面链接文章进行pytorch的gpu版本安装，PyCharm的部分可以不参考文章内的方法，如今pycharm能直接支持Anaconda的虚拟环境导入。

记住！安装里面的命令一定要在启动 conda activate yolov8 后在虚拟环境里操作！不然虚拟环境就没有安装上pytorch了！

而且cuda版本不要下载超过pytorch所给的版本，pytorch不一定支持最新版本，不用下载那么新。

卸载旧版本cuda:

cuda 和 cudnn 库的卸载与安装 - 知乎 (zhihu.com)

安装新版本cuda（不用下载最新版本，可以跟下篇pytorch安装的文章交叉看，先看torch对应版本）

Windows10系统pytorch、cuda11.0、cuDNN安装_cuda版本建议安装最新的吗-CSDN博客

安装pytorch参考（如果pytorch没有你对应的cuda版本，直接改所给下载命令中给的版本号，比如下载给的是118，我的运行版本cuda是11.2，就把118改为112）

Pytorch环境详细安装教程【Win10+CUDA升级11.6+cudNN+Anaconda3虚拟环境+pycharm】_cuda11.6对应的cudnn-CSDN博客

验证成功（虚拟环境里）：

输入

import torch
torch.cuda.is_available()

显示true，则表示你的gpu可以用于训练。 

5.yolov8模板下载

参考文章：windows使用YOLOv8训练自己的模型（0基础保姆级教学）_windows10使用yolov8常见问题-CSDN博客

下载所给模板：文件 (lanzout.com) 

将该文件解压到一个不带任何中文的路径里，比如

注意：由于数据集很简略，所以效果很可能不好。

5.Pycharm解释器配置

注意：pyChram有自带汉化，感兴趣的同学可以进行搜索。

 打开pycharm，进入项目

选择解释器，启用我们配置好的虚拟环境。

这里你的conda可执行文件如果一开始没有的话，找到你安装anaconda的目录

有些同学的可执行文件的名字可能为 _conda.exe，这导致你在外面看着确实有执行文件，但pyCharm在进入到anaconda的安装目录时却无法选择这个exe文件。这时候直接重命名_conda.exe为conda.exe，pyCharm就可以选中这个文件了。

选中之后点击 使用现有环境

这样解释器就选择好了。用这个方法之后的python终端就不会是直接打开cmd了，而是打开anaconda prompt并进入对应的虚拟环境，方便操作。

6.修改模板内容

 进入对应位置，修改训练集、测试集路径

7.开始训练

启动train.py

如果出现进度条不断刷新，那就是成功进入训练。

默认参数是训练100次，慢慢等待。

8.用训练得到模型进行预测

打开模型训练后得到的 runs文件夹，找到训练得到的模型

修改predit.py中所调用的模型，对所选图片进行预测

运行predit.py

按照所给打印内容，发现没有检测到有猫，输出的结果图片存放在下面打印的路径

没有检测到，所以没画框（数据集太简陋了，效果不好）

9.自己制作数据集

数据集数量越大，内容越复杂，则检测效果越好

使用labelimg制作数据集

参考文章：标注工具 labelImg 的下载安装及使用_labelimg下载-CSDN博客

参考文章：yolo学习1：怎么用labelimg创建自己的yolo数据集_labelimg yolo-CSDN博客