YOLOv8推理使用(指令讲解+报错解决方法)
一、下载官网yolov8项目
1、进入项目网址
点击链接:https://github.com/ultralytics/ultralytics
2、下载项目
下载后解压文件夹,用pycharm打开项目
二、推理
方法一:运行python文件
新建一个python文件,test.py,代码如下:
# -*- coding: utf-8 -*-
from ultralytics import YOLO
#导入已经训练好的模型
model=YOLO('runs/detect/train6/weights/best.pt')
#图片或视频数据都可以,直接将数据传入接口即可
model.predict('datasets/phoneandmouse/test/images/4543aa199a884d46e28345e3835cc6b1.jpg',save=True)
model.predict('datasets/phoneandmouse/test/images/611576d261acf0f080a0ff226d9687a6.jpg',save=True)
model.predict('datasets/phoneandmouse/test/images/672368864be9e37074513e6e0acf3830.mp4',save=True)
注:代码中的路径都要修改成自己模型和图片、视频的相对路径。
方法二:通过指令进行推理
1、安装yolo依赖
注:打开项目后,要确保pycharm上环境已经使用的是刚刚配好的虚拟环境,如果不确定可以查看以下文章中pycharm部分配环境的教程。
超详细YOLOv8虚拟环境搭建(cuda+pyside6+pytorch+ultralytics库)
点击进入终端
输入以下指令安装依赖
pip install yolo
2、输入推理指令
yolo task=detect mode=predict model=yolov8n.pt conf=0.25 source='ultralytics/assets/bus.jpg'
指令讲解
(1)打开yolov8配置文件进行对照
在文件中找到default.yaml文件
如果没找到在哪个路径下,双击两下shift键,搜索default.yaml,点击即可
(2)task
对照配置文件中的任务task,有detect, segment, classify, pose,task=后面输入想要实现的功能的任务
(3)mode
对照配置文件中的mode,常用的有train(训练)、val(验证)、predict(推理),在mode=后面输入想要进行的模式
(4)model
选择yolov8官方给的模型或自己的模型都可以,在model=后面输入选择的模型
(5)conf
设置置信度,只有置信度大于设定值的检测结果才会被保留,在conf=后面输入设置的置信度
(6)source
在source=后面输入要推理的内容所在的路径
本文以’ultralytics/assets/bus.jpg’路径下的图片为例
报错解决
输入推理指令后可能会出现如下的报错
Usage: yolo [OPTIONS] COMMAND [ARGS]...
Try 'yolo -h' for help.
Error: No such command 'task=detect'.
方法一
注:建议先尝试方法一,如果尝试过之后输入推理指令还是报这个错,可以尝试方法二,网上有很多教程是方法二的那种方法,博主一开始尝试的那种方法但没有成功解决。
可能是ultralytics库没有安装好,卸载重新装就可以了,指令如下:
pip uninstall ultralytics
pip install ultralytics
再输入推理指令,可以成功运行
方法二
输入以下指令
cd ultralytics
python setup.py install
3、查看推理结果
输入推理指令后,成功执行后会有下图中红框中的内容,根据其中内容找到结果所在路径即可