YOLOv8训练前准备1（模型的使用--预测）

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！！