YOLOv8环境搭建+训练自己的数据详细项目

首先去自己的anaconda的安装的envs（虚拟环境），在导航栏输入cmd，进入命令窗口。

确保python>=3.7;CUDA>=10.1,PYtorch>=1.7

小编后面的：python=3.8.8;CUDA=11.6,PYtorch=1.12.1

1、创建一个虚拟环境

conda create -n torch1.12.1 python=3.8.8

激活刚建的虚拟环境

activate torch1.12.1 

 

 到官方网站GitHub - ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > OpenVINO > CoreML > TFLite下载yolo模型 ，下载好后解压，里面有个文件requirements.txt 

这里更正一下随着版本跟新没有requirements.txt 等文件，需要的可以从我百度网盘下载已经包含所有库：链接：https://pan.baidu.com/s/1ypmy_JT5NWdjtPAIUrjndQ 
提取码：bphu

安装一个整体包：

pip install -r .\requirements.txt 

直接按照路径会有问题，找到自己 requirements.txt 文件路径，我这里是pip install -r D:\ultralytics-main\ultralytics-main\requirements.txt

 然后安装ultralytics ，这是必须的。可以用镜像地址。

pip   install   ultralytics   -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com 

安装下载好包，接下来就是验证：

 yolo predict model=yolov8n.pt source='ultralytics/assets/bus.jpg' show=True save=True 

YOLOV8实例分割（环境配置+搭建模型+数据集制作+训练+预测全套）

目录

一、安装Anaconda3

1、下载

2、安装

3、验证

二、搭建windows上yolov8环境

1、cuda+pytorch+python版本选择

①查看自己电脑的cuda型号

 ②显卡驱动版本对应选择

2、创建虚拟环境

3、激活环境

​编辑

4、安装pytorch框架

①安装框架pytorch 1.9.0

②换镜像源

③pip install 和conda install的区别

三、安装yolov8

1、下载代码

2、命令行安装相关文件

① 切换路径到自己下载好的路径

② 安装依赖包

3、安装yolov8，它这里其实叫ultralytics

4、 测试

四、制作自己的数据集

1、https://roboflow.com 

2、labelme

①安装：在创建的虚拟环境中安装

②画标签

③把labelme格式转化成yolov8支持的数据集格式

五、用yolov8模型训练数据

六、模型预测结果

七、总结简明的步骤

---

一、安装Anaconda3

1、下载

到官网：

Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

2、安装

双击exe——Next——I Argee——just me ——选择路径（建议自定义，不要安装到c盘，且安装路径不要出现中文）——两个勾都勾上，不然配置环境很麻烦——Install——接下来页面两个勾不选——fnish完成安装。

3、验证

开始去找到这个 

点开能进入命令框，输入python，可以看到python版本。print（“hi”）

二、搭建windows上yolov8环境

1、cuda+pytorch+python版本选择

①查看自己电脑的cuda型号

        首先搜索栏找到设备管理器——显示适配器——NVIDIA（有这个才可以，说明电脑有GPU独显，否则就是只有集成显卡Intel，如图所以，很多比如联想台式电脑就没有独显，那么跑深度学习就得有服务器）  

在电脑上按键win+r——输入cmd——输入nvidia-smi

 ②显卡驱动版本对应选择

 （1）理论上显卡越新越好，但是有的新的会不稳定，显示花屏等异常出现，所以不能一味追求新。而且太新了可能还没来得及出来对应的pytorch版本，就没法匹配。

（2）安装的驱动版本<=电脑上显示的（支持最高cuda版本号），如本台电脑是12.0，那么安装的必须<=12.0,不能大于它。

（3）如果显卡<=PTX2080,推荐安装cuda10.2+cudnn7.6.5，或者其他版本；

        如果显卡>=PTX3050,则必须安装cuda>=11.0。