yolov8环境搭建
一.Anaconda下载:(可以创建虚拟环境改变python版本,各虚拟环境互不影响)
https://www.anaconda.com/download
设置conda环境变量
C:\ProgramData\anaconda3\Scripts
配置conda镜像源(否则下载安装极慢,极易time out)
查看默认源
conda config --show-sources
删除一个默认源
conda config --remove channels https://pypi.tuna.tsinghua.edu.cn/simple
增加一个默认源
# 清华源
conda config --add channels https://pypi.tuna.tsinghua.edu.cn/simple
# 阿里源
conda config --add channels https://mirrors.aliyun.com/pypi/simple/
#豆瓣源
conda config --add channels https://pypi.doubanio.com/simple/
#中科大源
conda config --add channels https://pypi.mirrors.ustc.edu.cn/simple/
二.cuda下载:
https://developer.nvidia.com/cuda-downloads
三.cudnn下载:
https://developer.nvidia.com/cudnn-downloads
将cudnn解压后,将lib,bin,include文件夹中的文件分别都复制添加到cuda安装文件夹的对应文件夹中,默认路径:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\
YOLOV8的安装
方式一.直接安装yolov8:
#新建虚拟环境
conda create -n yolov8 python=3.8
#激活进入虚拟环境
activate ylolv8
#使用pip安装
pip install ultralytics
方式二.源码安装yolov8:
#新建虚拟环境
conda create -n yolov8 python=3.8
#激活
conda activate yolov8
#安装torch,
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.7 -c pytorch -c nvidia
#下载源码
git clone https://github.com/ultralytics/ultralytics.git
cd ultralytics
#将requirements.txt中torch torchbision 注释掉,下载其他包
pip install -r requirements.txt
验证是否安装成功
yolo task=segment mode=predict model=yolov8s-seg.pt source='1.jpg' show=True
yolov8官方文档:httpss://docs.ultralytics.com
下载yolov8预训练模型"yolov8n.py"
https://github.com/ultralytics/assets/releases/download/v8.1.0/yolov8n.pt
在pycharm中使用刚刚配置好的conda虚拟环境
不管三七二十一先创建一个python项目
项目打开后
文件->设置 ->项目 ->Python解释器 ->右上角的“添加解释器” ->添加本地解释器-> 点击左边的“Conda环境”-> 使用现有环境 ->下拉找到要使用的虚拟环境名称-
输入代码测试一下
from ultralytics import YOLO
model = YOLO('D:/yolov8n.pt')
results = model.track(source="D:/video/YOLOtest.mp4", show=True)