帮助小白快速上手yolov10

       研0暑假被老师安排到公司实习两月，期间要我用yolov10对图片进行目标分类。我本科期间从未接触过深度学习方面的知识，看了很多大佬的帖子也迅速上手了v10。在这里感谢各位大佬！然后下面我也会写下我的心得帮助后来者快速上手。这是我的第一篇博客，欢迎各位大佬指出我的不足。

首先下载yolov10项目

        项目地址如下：

        GitHub - THU-MIG/yolov10: YOLOv10: Real-Time End-to-End Object Detection

        点击code，然后点download zip下载v10

      然后下载权重文件 

     只需要下载红框中pt结尾的文件

然后把权重文件放在你的v10项目目录下 ，这里我放的v8的权重文件是看到有个大佬说v10会调用v8的文件，你们可以把v10和v8的都下载放在这里。然后我的v10文件放在自己建的weights目录下，至于原因也是跟随某位大佬，你们可以忽略。

代码下载完成后使用anaconda创建虚拟环境 

打开anaconda终端输入

conda create -n yolov10 python=3.9

激活虚拟环境

conda activate yolov10

然后进入你的yolov10所在项目目录

然后安装相关依赖包

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/

pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple/

终端输入

yolo predict model=yolov10s.pt

如果无异常表示环境搭建完成

yolov10的使用 

首先 打开pycharm，打开你的v10项目

 创建test文件，写入如下代码，onnx那里可以忽略

from ultralytics import YOLOv10

# train
# model = YOLOv10('./runs/detect/train20/weights/best.pt')
# model.train(data='/home/dl/TestCode/YOLOV10/datasets/data/Data2013/data.yaml', epochs=100, batch=8, imgsz=640,device=0,patience=1000)

# test
# model = YOLOv10('./runs/detect/train23/weights/best.pt')
# results = model.predict(source='/home/dl/TestCode/微信图片111036.jpg', imgsz=640, conf=0.7,save=True)

# nnx
model = YOLOv10('./runs/detect/train22/weights/best.pt')
model.export(format='onnx')

 test下面两行代码负责识别图片物体，train是训练模型，nnx是导出onnx模型。

 训练模型首先得有自己的数据集（创建自己的数据集在文档末尾），数据集文件结构如下，train是训练集数据，valid是验证集数据，test是测试集数据，一般他们的数据量是7：2：1比列。制作自己的训练集请大家看看其他大佬文章，我这里的数据集都是公司的不方便写在文章中。

运行上面代码训练模型（把test注释掉留下train），data是你的数据集配置文件，epocho是轮次（越多训练时间越长但是模型准确），device=0是用你的第一个gpu，如果你有多个gpu，可以[0,1,2,3]这样开多个。训练结果一般放在项目目录/runs/detct/train+第几次，这里的路径训练结束控制台会显示。 

如果你的训练集训练完毕，运行下面代码可以测试你想测试的图片，conf是置信度表示只显示高于该置信度的框，save=true是保存预测结果，如果不需要可以删除该参数。 

 

如果你的预测结果保存了，可以在输出栏看到保存路径，进入就可以查看模型的预测结果。