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。

NVIDIA CUDA 官方文档

​

torch	torchvision	Python
main/nightly	main/nightly	>=3.8,<=3.11
2.0	0.15	>=3.8,<=3.11
1.13	0.14	>=3.7.2,<=3.10
1.12	0.13	>=3.7,<=3.10
1.11	0.12	>=3.7,<=3.10
1.10	0.11	>=3.6,<=3.9
1.9	0.10	>=3.6,<=3.9
1.8	0.9	>=3.6,<=3.9
1.7	0.8	>=3.6,<=3.9
1.6	0.7	>=3.6,<=3.8
1.5	0.6	>=3.5,<=3.8
1.4	0.5	>=3.8,<=3.11
1.3	0.4.2/0.4.3	==2.7,>=3.5,<=3.8
1.2	0.4.1	==2.7,>=3.5,<=3.7
1.1	0.3	==2.7,>=3.5,<=3.7
<=1.0	0.2	==2.7,>=3.5,<=3.7

2、创建虚拟环境

conda create -n 自己起名字 python==

如：conda create -n yolov8 python==3.8.0