YOLOv8跑通

1、首先下载YOLOv8的代码,下载后直接解压使用pycharm打开
代码地址:https://github.com/ultralytics/ultralytics
在这里插入图片描述
2、YOLOv8对python版本和pytorch版本要求更高,所以可以重新创建虚拟环境。
在这里插入图片描述

创建虚拟环境可以参考:Anaconda创建虚拟环境,创建好环境后在pycharm里面添加解释器。
在这里插入图片描述
在这里插入图片描述添加新的解释器,找到在Anaconda文件夹下的envs下的刚刚创建的新环境中的python.exe。
如果不能添加新的解释器,把打开的这个项目根目录下的venv文件夹删掉重新加就好了。
在这里插入图片描述
布置完成后,下载预训练权重文件:yolov8n.pt放置在根目录下。

打开控制台(保证在虚拟环境下),输入命令:

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

运行结果会在runs下的文件夹里
在这里插入图片描述
输出结果
在这里插入图片描述

  • 5
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要将YOLOv7,您需要按照以下步骤进行操作: 1. 首先,您需要安装conda或者miniconda来创建虚拟环境,以隔离出本机环境并避免污染本机的环境。具体的安装方法可以在网络上搜索并按照指引进行安装。[1] 2. 下载YOLOv7的代码库,可以从git上clone整个项目文件夹。在项目文件夹中,有一些重要的文件夹和文件需要注意,如cfg文件夹存放训练所需的网络结构yaml文件,customdata文件夹存放用户自定义数据集,data文件夹存放训练过程中的超参数和训练相关的yaml文件,models文件夹存放定义网络结构的相关python文件和导出模型部署所需的代码,runs文件夹存放训练和测试的权重文件和相关信息,utils文件夹存放一些代码运行中必备的代码,detect.py是用于测试的脚本,requirement.txt是训练和测试所需下载的库,train.py是用于开启训练的脚本。[2] 3. 在创建好的虚拟环境中,使用命令行进入YOLOv7的项目文件夹。然后运行以下命令来创建训练环境: ``` conda create -n yolov7 python=3.7 conda activate yolov7 pip install -r your_yolov7_path/requirement.txt -i https://pypi.tuna.tsinghua.edu.cn/simple ``` 其中,your_yolov7_path是YOLOv7项目文件夹的路径。这些命令将会创建一个名为yolov7的虚拟环境,并安装所需的库。[1] 4. 接下来,您可以尝试运行test.py来测试YOLOv7的功能。具体的运行方式可以根据项目中的说明进行操作。请注意,您可能需要提供测试所需的输入数据和权重文件。[3] 希望以上步骤能够帮助您成功YOLOv7的test.py脚本。如果您遇到任何问题,请随时提问。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值