目录
3.2 安装cuda,pytorch及ultralytics等库
1. 查看电脑状况
深度学习的训练对于电脑显卡要求较高,若电脑没有独立显卡(N卡)或者是AMD的显卡无法使用GPU进行训练,只可以用CPU进行训练,会慢很多。若不清楚电脑有无显卡可以打开任务管理器,点击性能往下找GPU,就可以看到是否有独立显卡,不清楚是否为独立显卡则搜索型号。
若有独立显卡则安装GPU版本的pytorch,若无独立显卡则安装CPU版本的pytorch。
2. 安装所需软件
推荐安装Anaconda3+Pycharm,会安装或者安装过了则跳过这一步
2.1 Anaconda3安装
Anaconda3由于是国外网站下载较慢,推荐通过清华镜像源安装
选择带有Anaconda3...Windows...exe 字样的进行下载,建议从最新版往后边找几个,最新版一般不够稳定。下载完之后打开Anaconda3进行安装,一直点下一步,选Just Me,安装路径可以直接复制粘贴修改到 D:\Anaconda3 ,也可以修改到其他路径。
2.2 Pycharm安装
安装Pycharm可以直接去官网下载,速度较快
往下拉下载第二个免费版就可以。下载完之后安装,一直点下一步,遇到选择路径 修改路径到D盘或者其它除C盘,再遇到勾选的选项全部勾选就可以。
3. 创建虚拟环境,安装pytorch
3.1 创建虚拟环境
按下Win键,输入anaconda prompt,打开推荐的应用
默认进入的是base环境,此时需要新建环境,在新建环境之前建议更改默认的pip源和conda源。
更改代码如下,直接输入即可,这里选择更换的是中科大源
conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple
此时新建虚拟环境(需要关闭加速软件),这里创建一个名为yolov8,python版本为3.9的虚拟环境,也可以修改为其他名或者python版本
conda create -n yolov8 python=3.9
注意:此时如果报错
UnavailableInvalidChannel: HTTP 404 NOT FOUND for channel anaconda/pkgs/free <https://mirrors.ustc.edu.cn/anaconda/pkgs/free>
The channel is not accessible or is invalid.
You will need to adjust your conda configuration to proceed.
Use `conda config --show channels` to view your configuration's current state,
and use `conda config --show-sources` to view config file locations.
等错误,需要修改.condarc文件的内容,具体路径为:c:\users\用户名\.condarc
使用记事本打开,复制下面这一段进去替换掉原本所有的内容,替换完之后保存即可
channels:
- defaults
show_channel_urls: true
channel_alias: http://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
此时再次创建yolov8虚拟环境
conda create -n yolov8 python=3.9
显示如下则正常创建,输入y
创建完之后输入
conda activate yolov8
进入yolov8环境之中,此时有NVIDIA显卡安装GPU版看3.2,其它需要安装CPU版看3.3。
3.2 安装cuda,pytorch及ultralytics等库
3.2.1 安装cuda
在安装pytorch前需要安装cuda,(若无显卡则跳过)下载cuda前需要先查看显卡支持的CUDA版本最高是多少,按下win+r键,输入cmd,在打开的页面输入:nvidia-smi ,即可查看
上图红框位置显示即为cuda最高支持版本,本教程最高版本达到11.8即可,若没有达到则需要更新显卡驱动。
CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit-archive 在这个网站挑选下载或者直接链接下载点此下载
下载完之后运行安装,建议安装到默认路径,所以C盘需要留有20G以上的存储空间,一直点击下一步,直到出现这个界面点击自定义,然后全部勾选即可。
安装完成后可以再次在cmd里输入命令:nvcc -V 查看,如下显示即安装成功
有安装cudnn的需求可以自行百度替换文件安装,只用几次有没有区别不大
3.2.2 安装pytorch(GPU版)
打开prompt 输入conda activate yolov8进入yolov8环境,之后输入即可安装pytorch,耐心等待安装完成(需要注意关闭加速软件否则会下载失败)
pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 --extra-index-url https://download.pytorch.org/whl/cu118
3.2.3 安装ultralytics
这个库包含了几乎全部运行yolov8所需的环境,输入以下命令后耐心等待即可
pip install ultralytics
3.3 安装CPU版本
有显卡的按照上述流程安装后即可跳过本部分,无显卡则需要按照下述方法进行,
打开prompt ,进入yolov8环境之后,输入如下命令即可安装cpu版本的pytorch
conda install pytorch torchvision torchaudio cpuonly -c pytorch
耐心等待安装完成之后安装ultralytics库
pip install ultralytics
安装完成则环境配置完成
4. 下载yolov8源码
yolov8源码地址:GitHub - ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > OpenVINO > CoreML > TFLiteNEW - YOLOv8 🚀 in PyTorch > ONNX > OpenVINO > CoreML > TFLite - ultralytics/ultralyticshttps://github.com/ultralytics/ultralytics/点进去下载代码,建议下载Tags下的v8.1.0版本,最新版不稳定容易出现一些异常情况,进不去可能需要科学上网,或者点击链接下载(免积分下载)(压缩包内附带yolov8n.pt和yolov8s.pt)
下载完成之后解压到D盘或其它盘文件夹内,此时点击鼠标右键文件夹通过pycharm打开,打开后需要配置虚拟环境,点击file-settings,点击project:ultralytics,点击python interpreter,点击右边add....,
点击Virtualenv Environment - Existing,点击右边三个点,找到刚才设置的D:\Anaconda3\envs\yolov8\python.exe 路径,之后一直点确定即可,耐心等待环境加载完毕。
再次进入yolov8源码页面,往下翻找到权重文件GitHub - ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > OpenVINO > CoreML > TFLite
点击蓝字下载,建议yolov8n.pt速度相对快
5. 验证环境
下载完成后将文件复制到ultralytics根目录下,此时可以去网上下载一只猫猫的jpg图片,修改文件名为cat.jpg。
检测环境是否有问题可以在prompt里yolov8环境下运行
yolo predict model=yolov8n.pt source='cat.jpg'
输出下图即环境正常
此时若报错 ModuleNotFoundError: No module named ‘hub_sdk‘
只需要 pip install hub_sdk 即可,安装完之后再次运行上述代码
或者通过pycharm运行检测,通过新建一个yolov8_predict.py,在文件中添加如下代码
from ultralytics import YOLO
# 加载预训练的 YOLOv8n 模型
model = YOLO('yolov8n.pt')
# 定义图像文件的路径
source = 'cat.jpg'
# 运行推理,并附加参数
model.predict(source, save=True, imgsz=640, conf=0.2)
运行之后如下即环境正常
可以顺着路径查看检测后的图片,可爱的猫猫一张~
需要训练自己的数据集可以看这篇博客
有疑问可以评论区交流~