YOLOv8模型的简单测试，Windows环境下安装部署（Python+PyTorch+Conda+cpu+CLI）

一、概述

先记录下时间 [2024-3-31]

本文讲述的是在Windows系统下YOLOv8模型的简单应用。从零开始，使用YOLOv8模型进行图片/视频预测，并得到结果。本文使用的是cpu版本（不需要N卡），方式为命令行界面CLI，在cmd中运行。后续会记录下在Python环境中进行测试，感兴趣的朋友可以期待一下哦。

这里附带上YOLOv8官方文档，里面记载了详细的使用方法，如果觉得看文档比较麻烦的话，可以直接看文章，需要用到的部分已经在文章中进行了摘录。

需要搭建的环境（下文会讲述）清单：

• miniconda3
• Python 3.9（>=3.8即可）
• PyTorch 1.13.1（>=1.8即可）

二、安装conda

安装conda主要的操作是：1. 下载安装包；2. 安装

这里提供了 2 种安装方式：1. 官网；2. 清华源

1. 官网下载

官网下载，点击这里，但是它加载的速度很慢。

如下图所示，下载Python 3.9版本的Miniconda3即可。

2. 清华大学开源软件镜像站

如果官网打不开的话，点击这里，可以在这个镜像站下载。

小技巧：按住Ctrl+F可以进行网页内容搜索，超级方便！

下载如图所示版本即可

3. 安装注意事项

经过上一步骤，我们已经下载了Miniconda3的安装包，接下来进行安装。注意：安装路径不要出现中文。

安装过程基本上只要默认下一步下一步就行，如果不想自己去配置系统环境的话，就勾选第二项（如下图）：Add to PATH。

然后Install，安装即可。

如果忘记勾选的话，可以去系统环境中自行添加。

Windows11下的操作路径是：设置–>系统–>系统信息–>高级系统设置–>高级–>环境变量–>PATH，找到之后新建，把需要的路径添加进去即可。添加完后一路点击确定，一定要点到最后一个确定，否则很有可能没有添加进去。最后注意cmd刷新。

注意：路径写实际电脑上安装的位置，每个人都不一样，不要照抄。

4. 安装完成测试一下

按住win+r打开cmd，检查python环境

# 输入命令  python --version
# 输完命令之后按下回车（后面输完命令都要）
# 如果搭建完毕，系统会返回python版本，我们刚刚安装的版本是3.9

C:\Users\32453>python --version

Python 3.9.18

接着检查conda虚拟环境（就是刚刚安装的miniconda3）

# 输入命令  conda env list

C:\Users\32453>conda env list

# conda environments:
#
base                     C:\Users\32453\miniconda3

# 其中，base是miniconda3安装好后自带的

三、安装Ultralytics（yolov8）

Ultralytics 提供了多种安装方法，如果你的电脑上安装了git工具，可以直接将仓库克隆到本地。

git clone https://github.com/ultralytics/ultralytics

考虑到部分没有安装git的情况，这里演示直接下载安装包方法。

点击这里，进入网页仓库，点击Code，下载ZIP安装包到本地，然后解压，尽量安装路径不要出现中文。

四、搭建环境，运行YOLOv8模型

接下来，我们新建虚拟环境yolo_test，并在其中搭建模型测试的环境。

1. 创建虚拟环境

conda create -n yolo_test python=3.9
Proceed ([y]/n)? y

# 检查下是否创建成功
C:\Users\32453>conda env list
# conda environments:
#
base                     C:\Users\32453\miniconda3
yolo_test                C:\Users\32453\miniconda3\envs\yolo_test

# 如果yolo_test创建有问题，或者想要重新创建的话，
# 就找到yolo_test存放的位置（一个名为yolo_test的文件夹），删除该文件夹即可。

2. 激活Conda环境

conda activate yolo_test

# 激活成功后进入该环境
(yolo_test) C:\Users\32453>

3. 配置清华源镜像

升级 pip 到最新的版本 (>=10.0.0) 后进行配置：

想了解更多，点击这里

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

4. 安装PyTorch

进入官网，在里面找合适的版本，文中使用的是Windows下的CPU only版本，没有特殊要求的话，直接复制安装即可。

pip install torch==1.13.1+cpu torchvision==0.14.1+cpu torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cpu

5. 进入ultralytics-main目录

找到我们刚刚安装的Ultralytics的根目录ultralytics-main，在yolo_test环境中进入该目录。

然后在该目录下，以可编辑模式安装一些包，从而进行开发。

# cd ultralytics-main文件夹的路径
(yolo_test) C:\Users\32453>cd C:\Repo\Projects\Python\ultralytics-main

(yolo_test) C:\Repo\Projects\Python\ultralytics-main>pip install -e .

6. 重置yolo（非必要）

如果之前有其他项目使用过yolo，可能会导致YOLOv8训练时生成的runs文件不在项目根目录中而在其他项目路径中的问题。

解决办法是重置一下：

yolo settings reset

7. 查看官方文档

通过查看Ultralytics官方文档可知，我们可以使用yolov8n.pt模型对jpg图像、以及mp4视频进行预测。（这里只是举个例子，并不是说其他的不行）

8. 预测图片

以ultralytics-main/ultralytics/assets文件夹下图片bus.jpg为例：

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

# 反馈结果 Results saved to为预测结果保存的路径
image 1/1 C:\Repo\Projects\Python\ultralytics-main\ultralytics\assets\bus.jpg: 640x480 4 persons, 1 bus, 1 stop sign, 277.2ms
Results saved to runs\detect\predict

在该文件夹中进行查看

9. 预测视频

预测视频同理，下载一段视频保存在ultralytics-main/ultralytics/assets文件夹下，视频格式为mp4。

运行，然后查看结果：

yolo predict model = yolov8n.pt source=ultralytics/assets/dy.mp4

根据提示找到识别结果：

注意：视频素材来源于网络，仅用于测试演示。

五、总结

通过本文，我们能使用CLI的方式运行yolov8n.pt模型，对图像和视频进行目标识别，并得到结果。

一些参考资料：

YOLOv8官方文档：https://docs.ultralytics.com/zh/
Anaconda官网：https://docs.anaconda.com/free/miniconda/miniconda-other-installer-links/
清华大学开源软件镜像站：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/
PyTorch官网：https://pytorch.org/get-started/previous-versions/