YoloV8，联想R7000 2020，1650Ti （二）

自己浅浅尝试，其实无论是在wsl中还是在Pycharm中都很容易使用。

查询cuda支持

查询cuda版本

低于版本均可安装

最终安装完成环境如下

使用代码：

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=10.2 -c pytorch

总流程如下：

打开cmd

conda create -n DeepL python=3.10

conda activate Deepl

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=10.2 -c pytorch

至此，一个基础的pytorch环境就完成了

数据集，VScode按视频中操作即可，解压完成后

train文件内容

from ultralytics import YOLO

# 加载模型

model = YOLO("yolov8n.yaml")  # 从头开始构建新模型

model = YOLO("yolov8n.pt")  # 加载预训练模型（建议用于训练）

# 使用模型

model.train(data="datasets/data1/data.yaml", epochs=300, batch=10)  # 训练模型

test文件内容

from ultralytics import YOLO

# 加载模型

# model = YOLO("yolov8n.pt")  # 加载预训练模型

model = YOLO("runs/detect/train15/weights/best.pt")  # 加载训练好的模型

 

val_result = model.val(data="datasets/data1/data.yaml", batch=10)

print(val_result)

# results = model("datasets/data1/test/images")

# for result in results:

#     result.save("test_result/")

完成