Yolov8训练环境部署

一、训练环境：

1.创建虚拟环境：conda create -n yolov8 python=3.8
2.激活虚拟环境：conda activate yolov8
3.安装pytorch：
    教程上的：pip install torch==1.12.0+cu116 torchvision==0.13.0+cu116 --extra-index-url                                  https://download.pytorch.org/whl/cu116 -i https://pypi.tuna.tsinghua.edu.cn/simple
    Pytorch环境下的：

    conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch-nightly -c nvidia
    选择与Pytorch环境保持一致
4.安装ultralytics：pip install ultralytics
//5.安装依赖包：pip install -r requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple/

二、voc数据集环境：

1.从yolov5环境拷贝makeTxt.py、voc_label_urine_cell_231230.py文件放在

/home/kemove/gfh/AI-train/yolov8/ultralytics-main/ultralytics/ 目录下

2.图片放在/home/kemove/gfh/AI-train/yolov8/ultralytics-main/ultralytics/data/images/目录下

3.标签放在/home/kemove/gfh/AI-train/yolov8/ultralytics-main/ultralytics/data/Annotations/目录下

三、模型训练：

1.在/home/kemove/gfh/AI-train/yolov8/ultralytics-main/ultralytics/ 目录依次执行：

   python3 makeTxt.py

   python3 voc_label_urine_cell_231230.py

2.启动训练：

方式一：yolo train data=./cfg/datasets/VOC-urine_cell_20231230.yaml model=yolov8s.pt batch=-1 

方式二：yolo train data=./cfg/datasets/VOC-urine_cell_20231230.yaml                          model=./cfg/models/v8/yolov8s.yaml batch=-1 amp=false

注意：

1../cfg/datasets/VOC-urine_cell_20231230.yaml中path最好用绝对路径，发现在85服务器和75服务器上的相对路径不一样；

2.voc_label_urine_cell_231230.py在74和75服务器上，写入图片地址时，要用“./”替换"data/"，原因暂时未知。