Anolis 安装 Conda 和 YoloV8

一 Conda 和 YoloV8 安装

## 1. anolis 安装 cv2 依赖库
yum install -y mesa-libGL.x86_64
## Anaconda
https://repo.anaconda.com/archive/
## 重启终端查看版本
conda --version
## 创建环境并安装 Python（conda env remove -n yolov8）
conda create -n yolov8 python=3.10
## 激活环境
conda activate yolov8
## 安装 yolov8
pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple
## 导入测试
python
from ultralytics import YOLO

1.Conda 下载与安装

下载 Conda 安装脚本并安装，安装时按提示选择 Y 即可

查看版本 conda --version

2.YoloV8 安装

创建环境并安装 Python

安装 yolov8

引入 YOLO 测试，不报错即表示安装成功

二.测试

ultralytics 官网

测试代码

from ultralytics import YOLO

# Create a new YOLO model from scratch
# 配置文件目录 /root/anaconda3/envs/yolov8/lib/python3.10/site-packages/ultralytics/cfg/models/v8/
model = YOLO('yolov8n.yaml')

# Load a pretrained YOLO model (recommended for training)
model = YOLO('yolov8n.pt')

# Train the model using the 'coco128.yaml' dataset for 3 epochs
results = model.train(data='coco128.yaml', epochs=3)

# Evaluate the model's performance on the validation set
results = model.val()

# Perform object detection on an image using the model
results = model('https://ultralytics.com/images/bus.jpg')

# Export the model to ONNX format
success = model.export(format='onnx')

配置文件目录

测试代码

## 1.读配置
model = YOLO('yolov8n.yaml')
## 2.加载模型（首次加载需下载）
model = YOLO('yolov8n.pt')
## 3.识别
model.predict('bus.jpg',save=True)

读配置

加载模型（首次加载需下载，非常容易失败，可以先下载好放到指定位置，然后加载）

model = YOLO('/home/yolov8n.pt')
model.predict('/home/bus.jpg',save=True)

原图（图片侵删）

结果图 /root/runs/detect/predict/