道路病害的检测与评估

最新推荐文章于 2024-08-15 14:27:42 发布

黒猫.

最新推荐文章于 2024-08-15 14:27:42 发布

阅读量1.3k

点赞数 19

分类专栏：道路病害检测与评估文章标签： pytorch python conda java springboot springcloud YOLO

本文链接：https://blog.csdn.net/linjianshaonian_/article/details/136951307

版权

本文详细介绍了如何利用yolov8框架进行道路病害的检测与评估，包括环境配置、数据集准备、模型训练和预测程序的实现。通过配置conda环境，安装CUDA、cudnn、pytorch，创建虚拟环境，并导入yolov8项目。接着，调整数据集格式以适应yolo训练，并编写训练配置文件进行模型训练。最后，展示了训练后的预测流程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

基于yolov8道路病害的检测与评估

1 安装yolov8并使用

1.下载后：

在这里插入图片描述

2.选择为所有用户安装

在这里插入图片描述

3.选择一个合适的目录

在这里插入图片描述

4.第一个是自动添加环境变量，我们用默认的第二个后边手动添加

在这里插入图片描述

5.等待安装

在这里插入图片描述

1.1 安装anconda并配置环境变量

安装完成anconda之后,主要用的两个为Anaconda Prompt 和Anaconda Navigator
Anaconda Prompt 就是我们的cmd，打开后如下：在这里插入图片描述
在创建并配置对应的虚拟环境之前需要安装cuda，cuda是显卡厂商 NVIDIA 推出的运算平台。

1.2 配置yolo环境

下载CUDA
查看你的显卡对应的CUDA版本，我的是12.3；使用链接传送门选择你适合的版本
下载cudnn
直接传送门，然后安装的部分推荐直接看传送门
下载pytorch(gpu)
需要下载使用gpu的pytorch，cuda是12.3版本可以兼容12.1的,传送门

# 如果之前安装过cpu版本的pytorch使用一下步骤：
# 查看当前虚拟环境中已有的软件包
conda list 
# 从虚拟环境中删除包
conda remove package_name
# 或者
pip uninstall package_name
# 附上下载命令，pip与conda最好是使用一个，不要串用，不然可能造成pytorch与torchversion版本不一致
# 如果造成了不一致，以torch.__version为主;
# 推荐，使用conda虚拟环境时应该尽量使用conda安装相应的包
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia
# 或者（不推荐，conda与pip尽量不要一起使用）
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

验证torch-gpu是否可用：

import torch
import torchvision

# ☆如果出现0.16.2+cu121，类似这种，就没问题，代表你pytorch可以使用gpu加速。

# print(torch.cuda.device_count())
print(torch.__version__)
print(torchvision.__version__)

print(torch.cuda.device_count())  #查看可用的CUDA数量

# 检查torch是否有CUDA支持，即是否能用GPU
print(torch.cuda.is_available())

# 如果CUDA可用，它还会打印出当前默认的CUDA设备（通常是第一个GPU）
if torch.cuda.is_available():
    print(torch.cuda.get_device_name(0))
print(torch.version.cuda)

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print(device)