YOLOv8环境安装以及在pycharm上运行Windows版

        最近YOLO系列迎来了又一次翻天覆地的变革，YOLOv8问世了。因为v8刚刚发行不久，所以很多人对于YOLOv8的环境配置以及运行存在各种各样的问题，本菜鸡在YOLOv8官网潜伏一天以及在b站查看相关视频之后，终于成功运行，接下来我将给大家分享具体步骤。

1.YOLOv8的强大功能简介

YOLOv8的发行作者也是发行YOLOv5的大佬，v5系列本人在研一上学期已经亲测过，检测结果非常哇塞。官网给出了v8的运行速度和精度等折线图同其余版本进行比较，很明显，v8是完全碾压其余版本的，甚至v8的n模型已经可以匹敌v5的s模型。

相比其余系列，v8更NB的是增加了segment和pose功能。实例分割任务一般是由MaskRCNN网络来完成，但是MaskRCNN由于网络大参数多计算量大，所以掩膜的实时性存在一定的局限性。v8的出现犹如救世主一般降临人间，所以有segment需求的大佬们要对v8引起重视了。夸完了，那就开整！

 2.YOLOv8环境配置

YOLOv8可以GitHub的网址上拉下来，网址放在此处-->ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > CoreML > TFLite (github.com)

代码文件拉下来以后，需要对pycharm的环境进行配置，配置步骤如下：

a）需要下载nivdia的cuda，cudnn包以及pytorch等。

cuda下载网址：https://developer.nvidia.cn/zh-cn/cuda-toolkit

cudnn下载：Log in | NVIDIA Developer

pytorch下载：PyTorch 注意：torch尽量下载GPU版本：

b）用pycharm打开YOLOv8文件夹，下载依赖项，依赖项已经以作者的名字来封装好，所以直接在终端输入：pip install ultralytics，安装好之后会默认安装的cpu版本的torch，所以这里需要卸载掉cpu版本，pip uninstall torch，然后安装GPU版本的torch，安装命令就是上图中的pip3.....cu117

c）环境安装好之后，就可以运行YOLOv8的各个功能模块，比如运行检测模块的预测功能：

yolo task=detect mode=predict  model=yolov8n.pt conf=0.25 source='ultralytics/assets/bus.jpg'

使用别的功能的命令也以此类推即可。运行之后会在example文件下生成run文件里生成结果

3. 分割功能测试

补充：上次没有写到YOLOv8最强大的，也是别的YOLO系列没有的分割功能（segment），今天运行了一下这个功能，感觉还是非常不错的，这里给大家把单张图片运行的结果以及视频运行时截取一张图片放上来供大家参考分割效果。

单张图片分割效果如下：

 截取视频流中分割的一帧效果如下：

 本机对于自己的视频数据集运行分割功能时的命令如下，供大家参考：

yolo segment predict model=yolov8n-seg.pt source='D:\github\ultralytics-main\城市街道 - 1.城市街道(Av412700841,P1)