YOLOv8训练
1、安装Cuda和Cudnn,可查询其他网址,Cudnn里面的文件需要剪切粘贴到Cuda里面
2、下载官方v8包,pycharm打开,查询当下环境 conda env list
创建虚拟环境v8 conda create -n v8 python=3.8
激活v8环境 activate v8
3、Python 解释器与conda可执行文件
4、v8虚拟环境下,下载依赖
先后尝试:pip install -e ultralytics
pip install ultralytics
pip install yolo
5、新建test.py
输入以下代码:
import torch
print(torch.version)
print(torch.cuda.is_available())
print(torch.cuda.device_count())
print(torch.backends.cudnn.version())
print(torch.version.cuda)
quit()
运行可查cpu还是gpu?
6、卸载依赖中torch的CPU环境,pip uninstall torch
7、安装pytorch官网的pytorch命令**(注意版本不可小于cuda)**,下载时间比较长,别用清华源。
8、后检查出现以下这个
pytorch-cuda即可(第二个图)
或者重新运行test.py出现这个(第一个图)
9、推理:
需要开VPN,翻墙。否则会出现乱码。
虚拟环境下,运行官网命令
yolo predict model=yolov8n.pt source=‘https://ultralytics.com/images/bus.jpg’ save=True (添加save=True可以保存run结果)
后生成如下:
Vpn下载 coco128数据集:https://www.kaggle.com/ultralytics/coco128
10、训练(VPN开启)
已将权重文件放到v8的根目录下
数据集:
按照图修改:
(1)Path路径修改
(2)若无test,注释掉即可
(3)删除coco128.yaml底部数据集链接,没啥用
使用yolov8.yaml
复制官网https://docs.ultralytics.com/usage/python/中如下代码:
from ultralytics import YOLO
model = YOLO(‘yolov8n.yaml’)
model = YOLO(‘yolov8n.pt’)
results = model.train(data=‘coco128.yaml’, epochs=3)
results = model.val()
results = model(‘https://ultralytics.com/images/bus.jpg’)
success = model.export(format=‘onnx’)
新建根目录下训练文件train.py
将上述python训练代码复制进去
注释掉导出,如下:
修改train.py文件路径,修改成如下方式
(路径的修改、epoch的修改)
右击训练出现:
解决方案:
Train.py修改:添加一行代码
直接右击训练:
生成run文件夹: