yolov8、win10环境配置

一、准备工作

1. 准备工作: 安装CUDA

首先确定电脑显卡匹配的cuda版本
win+r打开命令，cmd进入命令窗口，输入

nvidia-smi

在nvidia官网(链接: nvidia官网.)下载对应的cuda版本，我用的是离线下载，防止中途网络问题导致安装不成功。我选择的是12.2.2版本

下载好之后，一路默认安装。
安装完成后，还是在命令窗口，输入

nvcc --version

我安装了两个版本的cuda，可以查到两个cuda版本号。
在系统环境变量中查看一下是否有环境变量

2. 准备工作：在GitHub上下载最新的项目文件

GitHub项目链接: github项目地址.

二、配置环境

1. 解压项目文件，右键在pycharm中打开（我安装的是最新的pycharm）

以下两条指令用来安装环境

pip install ultralytics # 安装
pip install -U ultralytics # 也可以用这个，安装并更新
#按照官方文档的说法这行语句会安装所有需要的环境，但是我输入这个语句之后，还是需要安装其他安装包，直接pip install 就可以了

2. 构建数据集

2.1 划分数据集

我是将10000张自己的数据集抽出一些，分60%作为训练集，20%作为验证集，%20作为测试集。
labelme打标签，但是yolo的标签格式不同，所以需要将标签格式转换，脚本代码如下：
标签文件-格式转换脚本文件.

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

import copy
from lxml.etree import Element, SubElement, tostring, ElementTree

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join

classes = ["AT1", "AF1","AT2", "AF2","AT3", "AF3", "CT", "CF", "BT", "BF"]  # 类别  // 需要先设定好所有分选的类别

CURRENT_DIR = os.path.dirname(os.path.abspath(__file__))


def convert(size, box):
    dw = 1. / size[0]
    dh = 1. / size[1]
    x = (box[0] + box[1]) / 2.0
    y = (box[2] + box[3]) / 2.0
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return (x, y, w, h)


def convert_annotation(image_id):
    in_file = open('./label_xml\%s.xml' % (image_id), encoding='UTF-8')
    out_file = open('./label_txt\%s.txt' % (image_id), 'w')  # 生成txt格式文件
    tree = ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)

    for obj in root.iter('object'):
        cls = obj.find('name').text
        # print(cls)
        if cls not in classes:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
             float(xmlbox.find('ymax').text))
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " +
                       " ".join([str(a) for a in bb]) + '\n')


xml_path = os.path.join(CURRENT_DIR, './label_xml/')# 输出路径

# xml list
img_xmls = os.listdir(xml_path)
for img_xml in img_xmls:
    # print(img_xml)
    label_name = img_xml.split('.')[0]
    print(label_name)
    convert_annotation(label_name)

3. 新建训练配置文件

三、开始训练

1. 先新建一个训练脚本

训练脚本文件.

// train codes
from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n.pt')  # load a pretrained model (recommended for training)

# Train the model with 2 GPUs
results = model.train(data='D:\\learn\python\\ultralytics-main\\ultralytics\\cfg\\jiechajian.yaml', epochs=100, imgsz=640, device=0)# 如果用CPU训练修改最后一个参数为：device='cpu'

2. 开始训练，右键运行或者右上角的运行，都可以

3. 训练结果

ok，训练完成！