在进行YOLOv8训练之前还需要进行一些前期工作。包括依赖包的安装、虚拟环境在Pycharm中的切换以及尝试一下代码是不是可以使用。
1:虚拟环境在Pytcharm中的切换
注意:在上一篇文章中,专门为yolov8项目的运行建立了一个独立的虚拟环境,以后所有的改动,都要在这个虚拟环境下进行。
先利用Pycharm打开下载好的YOLOv8项目文件夹。这个时候会发现Pycharm右下角会有一个下面的东西。这个位置就是代表你现在所处的虚拟环境。我们需要将这个换成我们自己建立的project-name
,即上一篇文章中的设定的名字。
具体操作就是选择file-->Settings-->Project:(这里是你的项目名)-->Python Interpreter-->选择你自己虚拟环境(如图3)
图1
图2
图3
选择好之后先点击Apply,再点击OK,即可。这样右下角虚拟环境就换过来了。
注意: 如果进入Python Interpreter 中没有找到你的虚拟环境,点击下面的Show All
,去添加一下。(点击左上角的加号进去之后,选择Conda environment,然后找到自己的虚拟环境)。
2:安装依赖包
第一步做好之后,就可以安装依赖包了,缺哪一个,就pip install xx
。我是将YOLOv5的依赖包整个装了一下,利用pip install -r requirements.txt
,YOLOv5的依赖放在YOLOv8中是可以的。
3:尝试代码是否可以使用
我一般在进行训练的时候,会先进行一个模型的预测,看代码是不是有问题。
YOLOv8将训练、验证、预测的参数配置放在了一个文件中ultralytics-main/ultralytics/cfg/default.yaml
,就是这个default.yaml文件。
现在简单操作一下:找到default.yaml中predict的部分 ;source表示你预测的来源,可以是图片或者是视频也可以是摄像头录像,这里设置成assets(这个是YOLOv8自带的两张图片所在的文件夹);其他的参数可以先不用动。
然后在Terminal中输入yolo task=detect mode=predict model=(这里输入YOLOV8的预训练模型,包括yolov8s/n/m/l/x.pt)
如图所示:代码行中没有说明source;程序就会自动使用default.yaml中设置的assets;当然你也可以自己设置想预测的图片视频啥的。就是在前面代码的基础上加一个source的属性。如yolo task=detect mode=predict model=xx source=xx.jpg
。
预测结果保存到runs\detect\predict中可以查看。如下图所示。
到这一步,就说明代码基本上是没有什么问题的,其实主要是看依赖包安装的好不好。只要可以预测出结果,那么下一步就可以进行训练啦!!