YOLOv8推理训练。一定正确

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：