Cent0S7 Docker安装 YOLOv8

githup 源码及其作者：ultralytics/ultralytics：新增 - PyTorch 中的 YOLOv8 🚀 > ONNX > OpenVINO > CoreML > TFLite (github.com)

yolo是什么？

实时视觉检测技术，通过对不同的角度拍摄的视觉图片进行人工标注，告知机器这物体是什么，再配合自身的视觉分析算法，自主学习，提高机器的视觉感知和识别能力。广泛应用于人脸识别、安检、自动驾驶等领域。

1. 下载并运行Conda 

docker search miniconda3
docker run -it --name yolo8 conda/miniconda3 /bin/bash

2.   配置 Conda 环境

conda create -n yolov8 python=3.9

# Proceed ([y]/n)? y

3.检查环境安装 

conda env list 

 4.激活 Conda 环境

source activate
conda activate yolov8
 

 5. 配置清华源镜像 pypi | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

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

6.安装PyTorch 以前的 PyTorch 版本 |PyTorch的

 pip install torch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 --index-url https://download.pytorch.org/whl/cpu 

 7.安装YOLOv8 模型，版本要求 pyyhon：3.9+

python --version

pip install ultralytics

日志输出：ultralytics安装在  /usr/local/envs/yolov8/lib/python3.9/site-packages/；务必进入此目录，否则后面的命令找不到要识别的图片

cd /usr/local/envs/yolov8/lib/python3.9/site-packages/ultralytics

执行重置，有异常，进行重置（排错措施） 

 yolo settings reset

报错 ：ImportError: libGL.so.1: cannot open shared object file: No such file or directory

 解决：

pip uninstall opencv-python -y
pip install opencv-python-headless -i https://pypi.tuna.tsinghua.edu.cn/simple
 yolo settings reset 

8. 测试图片识别 

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

# 先退出容器

exit

# 从容器将识别的结果图片拷贝到宿主机的home文件夹,注意换成自己的容器id

docker cp 40408c49c4f3:/usr/local/envs/yolov8/lib/python3.9/site-packages/ultralytics/runs/detect/predict/bus.jpg /home