YOLOv8入门篇--YOLOv8的安装和使用

作者的系统环境是：

• 笔记本：ThindPad P520
• OS：win11
• 显卡：Quadro P520

1、安装anaconda

anaconda是什么？为什么要安装anaconda？

anaconda是一个python虚拟环境管理器，他可以创建和切换不同的python版本环境，例如：python2.7、python3.8、python3.11等。

每个开发工程师可能都会面临切换python版本的问题。例如：我本来是在python3.11环境下写代码的，可YOLOv8代码是在python3.8环境下开发的，我要使用YOLOv8，那就要切换到python3.8环境下。

不同的anaconda内置了不同的python版本，要查看anaconda版本和python版本的对应关系，请根据下面这篇文章进行选择：

https://docs.anaconda.com/free/anaconda/allpkglists/

国内下载，可以来清华镜像源：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

作者选择的版本是：

Anaconda3-2024.02-1-Windows-x86_64.exe

安装它，并添加安装目录到PATH环境变量中。

安装完成后，在cmd窗口执行命令：

>conda --version

显示conda 24.1.2，则无问题。

小贴士1：安装目录尽量避免出现中文，全用英文就好了，可以减少一些不必要的麻烦。

小贴士2：有人磁盘空间不足，安装miniconda其实也可以，使用过程中并无不同，可以省点磁盘空间。

为了提高下载速度，最好更换一下国内更新源，命令如下：

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda clean -i
conda update conda

2、创建python3.8虚拟环境

从所有应用-->Anaconda3-->Anaconda Prompt，就进入了anaconda命令行，如下图：

小贴士：也可以通过cmd直接使用，不过首先要执行命令：

conda init cmd.exe

然后，创建yolov8需要的虚拟环境，命令如下：

>conda create -n yolov8 python=3.8

安装完成后，键入如下命令可以查看所有虚拟环境：

>conda env list

然后，键入如下命令可以切换到yolov8虚拟环境

>conda activate yolov8

键入如下命令 可以退出该虚拟环境

>conda deactivate

3、安装pytorch

PyTorch 是由 Facebook 开发，基于 Torch 开发，从并不常用的 Lua 语言转为 Python 语言开发的深度学习框架，Torch 是 TensorFlow 开源前非常出名的一个深度学习框架，而 PyTorch 在开源后由于其使用简单，动态计算图的特性得到非常多的关注，并且成为了 TensorFlow 的 最大竞争对手。目前其 Github 也有 2w8+ 关注。

Github 地址： https://github.com/pytorch/pytorch

官网： https://pytorch.org/

论坛：https://discuss.pytorch.org/

进入官网https://pytorch.org，选择版本和安装命令

小贴士：不要安装最新版本，要安装合适的版本，否则你的GPU可能用不上。

键入如下命令，查看CUDA版本，

>nvidia-smi 

作者的cuda版本是12.2，因此选择的安装命令如下：

conda install pytorch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 pytorch-cuda=12.1 -c pytorch -c nvidia

什么是cuda

统一计算设备架构（Compute Unified Device Architecture, CUDA），是由NVIDIA推出的通用并行计算架构。解决的是用更加廉价的设备资源，实现更高效的并行计算。

是不是要专门安装cuda？

并不需要，上面安装pytorch时已经带入了CUDA。

4、安装yolov8 （ultralytics）

github上下载源码

https://github.com/ultralytics/ultralytics

解压

cd 到解压后目录下

pip install -e .

5、使用yolov8

cd切换到yolov8的源码目录下，执行：

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

出现如下提示，则成功。

请注意红框中的目录，可以到该目录下去寻找标注的结果：

如果碰到问题：ImportError: DLL load failed while importing _imaging: 找不到指定的模块。

参考这篇文章解决：

https://blog.csdn.net/xiqi4145/article/details/110730028

pip uninstall pillow
pip install pillow==7.2

6、更多用法，可以参考源码目录下的README.md。

它会帮你打开一扇宝藏之门，去看看吧。

尝试一下如下命令，可以知晓yolov8都能做啥：

> yolo detect predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg' 
> yolo segment predict model=yolov8n-seg.pt source='https://ultralytics.com/images/bus.jpg'  
> yolo classify predict model=yolov8n-cls.pt source='https://ultralytics.com/images/bus.jpg'
> yolo pose predict model=yolov8n-pose.pt source='https://ultralytics.com/images/bus.jpg'
> yolo obb predict model=yolov8n-obb.pt source='https://ultralytics.com/images/bus.jpg'

后面一篇是《YOLOv8进阶篇--先训练模型，然后检测视频》，我们稍后再见。