YOLOv8最新配置环境 （2024.7.23）

最近又看了一下最新版本（2024.7.23）的YOLOv8代码，对YOLOv8部署文章进行改进

第一步 下载YOLOv8代码

github：YOLOv8-github

gitee:YOLOv8-gitee

推荐使用国内的gitee

第二步 创建conda虚拟环境

如果没有安装conda可以搜索一下conda配置教程，按照流程安装好conda，还要下载好符合自己电脑版本的CUDA 后续会用。

一、 打开conda窗口 进入到安装的YOLOv8界面

二、 创建新的虚拟环境

输入下面命令

conda create -n y8 python=3.8

是否安装环境所需基础包，输入y安装即可，安装完成如下图

输入下面命令查看是否创建成功

 conda env list 

激活进入环境

conda activate y8

激活成功后，前面的base会替换成y8

第三步 配置环境

首先先把pip的源换到国内aliyun镜像，下载速度提高很多

pip config set install.trusted-host mirrors.aliyun.com

安装版本必要安装包

pip install ultralytics

第四步 下载训练模型

推荐yolov8s.pt或者yolov8n.pt，模型小，下载快，在gitee或者github下方readme里面，下载完成后，将模型放在主文件夹下，

yolov8s.pt下载地址：yolov8s.pt

yolov8n.pt下载地址：yolov8n.pt

YOLOv8 可以在命令行界面（CLI）中直接使用，使用yolov8自带经典图片进行测试：
首先cd进入yolov8主文件夹下，运行下面命令

无显卡驱动
yolo predict model=yolov8n.pt source='ultralytics/assets/bus.jpg' device=cpu

有显卡驱动(看扩展的部分，安装gpu版本torch才能运行)
yolo predict model=yolov8n.pt source='ultralytics/assets/bus.jpg' device=0

结果保存在runs\detect\中，你们的看Results saved to 存放地址，结果如下图

如果出现上面图片即成功

第五步 训练自己模型（cpu）

首先在yolov8主文件夹内创建data文件夹，创建一个data.yaml文件：

这里需要转成yolov8训练集 

train: xxx/xxx/images/train    //xxx/xxx为训练集图片根目录地址，一定要是绝对路径
val: xxx/xxx/images/val
nc: 1 # 标签数量
names: ["1"]# 标签名称

目前很多数据集是以txt文件保存训练集，可以按照以下写法

train: xxx/xxx/train.txt    //xxx/xxx为训练集图片根目录地址，一定要是绝对路径
val: xxx/xxx/val.txt
nc: 1 # class标签数量
names: ["1"] # class标签名称

conda在主文件夹下运行下面命令：

yolo train data=data/data.yaml model=yolov8s.pt epochs=300 imgsz=640 batch=8 workers=0 device=cpu

data为yaml配置文件
model为下载的模型，放在主文件下
epochs为训练轮数
imagez为训练时ai看到的图片大小，检查大图片建议使用640，小图片可以320 越大越吃性能
batch为一轮训练中每一次放入图片数量，越大越快效果越好，但是对性能要求越高
device为使用的设备，使用cpu练就写cpu，使用显卡大多数都是0，多显卡就0，1，2，3，...多少显卡往后写多少

运行出现下面效果即为成功

扩展：训练自己的模型（GPU）

首先打开命令栏输入nvcc -V，查看自己的cuda版本

在使用nvidia-smi查看是否安装cuda，如果显示没有此命令则没有安装，去CUDA Toolkit Archive | NVIDIA Developer该网站，找到对应版本cuda和系统版本进行下载安装，具体安装步骤可以参考此教程【精选】CUDA安装及环境配置——最新详细版_abbrave的博客-CSDN博客，安装完成后再次输入nvidia-smi出现下图即为成功。
再去pytorch官网，下载对应cuda版本和操作系统的pytorch，如果找不到对应版本，可以安装低于电脑cuda版本的pytorch。

例如图cuda11.1 在conda中创建的虚拟环境运行下面对应的pip安装，在安装命令后面加上-i https://pypi.douban.com/simple/ some-package 使用国内下载源进行下载大大减少下载时间，等他下载完，在当前conda安装环境输入pip list找到torch+torchaudio+torchvision三个包，如下图在版本后带有+cuxxx即为安装成功。

输入下面代码进行测试，如果有多个显卡，在device=0，1，2…

yolo train data=data/data.yaml model=yolov8s.pt epochs=300 imgsz=640 batch=8 workers=0 device=0

可以运行，并且在运行时显示显卡型号即为成功。

如果还有问题可以添加下面vx备注yolov8，我拉个群聊大家一起讨论