YOLOv8代码调试运行实战

YOLOv8代码调试运行实战

YOLOv8入坑出坑。

1.创建虚拟环境

创建:conda create -n yolov8 python=3.8
conda create -n yolov8 python=3.7
在这里插入图片描述查看:conda env list
进入:conda activate yolov8
在这里插入图片描述
退出:conda deactivate
删除:conda remove -n yolov8 --all

2.导入yolov8 源码

下载yolov8
https://github.com/ultralytics/ultralytics
yolov8 源码下载链接
在这里插入图片描述
解压
打开PyCharm Community Edition 2021.2.1,导入YOLOv8项目
在这里插入图片描述
在这里插入图片描述

3.Python Interpreter设置

设置为刚才新建的虚拟环境:D:\ProgramData\Anaconda3\envs\yolov8\python.exe
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
Python Interpreter下面显示出来内容就OK了。
在这里插入图片描述

4.忽略系统自动安装依赖

在这里插入图片描述
一定关掉!一定关掉!一定关掉!

5.安装依赖

Terminal中安装
在这里插入图片描述
进入:conda activate yolov8
在这里插入图片描述
安装依赖:pip install -r requirements.txt -i https://mirrors.bfsu.edu.cn/pypi/web/simple/
在这里插入图片描述
等待安装完成
在这里插入图片描述

6.下载权重

进入:https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n.pt
权重下载链接
虽然可以自动下载yolov8n.pt,但是经常打不开,所以手动下载吧。
下载:yolov8n.pt
拷到E:\AI\yolo\yolov8\ultralytics-main\ultralytics\yolo\v8\detect\yolov8n.pt
在这里插入图片描述
复制然后粘贴
在这里插入图片描述
最后yolov8n.pt可能会乱码,先不要管它。
在这里插入图片描述

7.测试运行

运行E:\AI\yolo\yolov8\ultralytics-main\ultralytics\yolo\v8\detect\predict.py
在这里插入图片描述
大概率会出现:“FileNotFoundError: [WinError 2] 系统找不到指定的文件”的错误,重点来了!

8.解决错误“FileNotFoundError: [WinError 2] 系统找不到指定的文件”

打开
D:\ProgramData\Anaconda3\envs\yolov8\Lib\subprocess.py
在这里插入图片描述
在这里插入图片描述
把shell=False改为shell=True
在这里插入图片描述

9.完成测试

再次运行E:\AI\yolo\yolov8\ultralytics-main\ultralytics\yolo\v8\detect\predict.py
在这里插入图片描述
完成测试
在这里插入图片描述

10.查看结果

在这里插入图片描述
在这里插入图片描述
恭喜你!看标识框就说明完成了所有设置!

  • 24
    点赞
  • 124
    收藏
    觉得还不错? 一键收藏
  • 20
    评论
基于YOLOv8的细胞检测计数系统源码(部署教程+训练好的模型+各项评估指标曲线).zip 平均准确率:0.98 类别:RBC、WBC、platelets 【资源介绍】 1、ultralytics-main ultralytics-main为YOLOv8代码,里面涵盖基于yolov8分类、目标检测额、姿态估计、图像分割四部分代码,我们使用的是detect部分,也就是目标检测代码 2、搭建环境 安装anaconda 和 pycharm windows系统、mac系统、Linux系统都适配 在anaconda中新建一个新的envs虚拟空间(可以参考博客来),命令窗口执行:conda create -n YOLOv8 python==3.8 创建完YOLOv8-GUI虚拟空间后,命令窗口执行:source activate YOLOv8 激活虚拟空间 然后就在YOLOv8虚拟空间内安装requirements.txt中的所有安装包,命令窗口执行:pip install -r requirements.txt 使用清华源安装更快 3、训练模型过程 进入到\ultralytics-main\ultralytics\yolo\v8\detect\文件夹下,datasets即为我们需要准备好的数据集,训练其他模型同理。 data文件夹下的bicycle.yaml文件为数据集配置文件,该文件为本人训练自行车检测模型时创建,训练其他模型,可自行创建。博文有介绍https://blog.csdn.net/DeepLearning_?spm=1011.2415.3001.5343 train.py中238行,修改为data = cfg.data or './bicycle.yaml' # or yolo.ClassificationDataset("mnist") 237行修改自己使用的预训练模型 若自己有显卡,修改239行,如我有四张显卡,即改成args = dict(model=model, data=data, device=”0,1,2,3“) 以上配置完成后运行train.py开始训练模型,训练完毕后会在runs/detect/文件夹下生成train*文件夹,里面包含模型和评估指标等 4、推理测试 训练好模型,打开predict.py,修改87行,model = cfg.model or 'yolov8n.pt',把yolov8n.pt换成我们刚才训练完生成的模型路径(在\ultralytics-main\ultralytics\yolo\v8\detect\runs\detect文件夹下),待测试的图片或者视频存放于ultralytics\ultralytics\assets文件夹, 运行predict.py即可,检测结果会在runs/detect/train文件夹下生成。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 20
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