Yolov8代码复现

0.引言

YOLOv8主要跟新如下部分:
(1)安装方式更简便

(2)速度快、准确率高

(3)新的backbone,将YOLOv5中的C3更换为C2F

(4)YOLO系列第一次尝试使用anchor-free

(5)新的损失函数

1.环境准备

安装环境步骤:
(1)创建虚拟环境

//创建名为yolov8的环境,python版本按照项目的要求设置
conda create -n yolov8 python=3.8

(2)激活虚拟环境

//使用如下命令即可激活创建的虚拟环境
conda activate yolov8

其他常用conda语句

//查看当前存在哪些虚拟环境
conda env list 

//退出当前环境
conda deactivate

//当前环境安装的包
conda list

//删除某个环境
conda remove -n your_env --all

//复制某个环境
conda create --name new_env --clone old_env

(3)迅雷下载torch等whl包文件进行离线pip安装(版本按照项目要求设置)

       由于python版本和pytorch和torchvision和cuda有对应的关系,需要明确项目使用上面版本进行下一步的conda虚拟环境的创建求的python,pytorch,torchvision版本)

        当我们知道了pytorch以及torchvision的版本要求,根据torch,torchvision,python兼容性对照表,我们下载这里选择torch=1.7.0 torchvision=0.8.1进行安装,下载地址,打开下载地址后如下图所示

标黄的字体中其含义如下

torch-1.7.0:表示 torch版本为:1.7.0
cu110:支持的cuda(GPU)版本为:11.0,通过在终端输入nvidia-smi可知道电脑最高支持的cuda版本(cuda向下兼容),如果不满足,需要下载高版本的显卡驱动
cp37:指的是anaconda中的python版本为python37
win_amd64:用于64位windows系统
linux_x86_64:适用于Ubuntu系统
用着一样的方法ctrl+F搜索找到对应的torchvision版本为0.8.1,并用迅雷下载

下载完毕后进入创建的conda虚拟环境yolov8中输入以下命令


 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
YOLOv10 是YOLO(You Only Look Once)系列的最新版本,这是一种实时目标检测算法。YOLO算法以其高效的速度和相对较好的准确性而闻名。要复现YOLOv10的代码,通常会涉及以下几个步骤: 1. **了解基本原理**:首先,你需要熟悉YOLO的核心概念,如单阶段检测、特征金字塔网络、锚点和预测头。 2. **获取代码库**:YOLOv10的代码一般基于深度学习框架,如TensorFlow或PyTorch,你可以从GitHub上找到Darknet项目,这是YOLO的官方实现,或者Mmdetection、Detectron2等开源社区的版本。 3. **安装依赖**:确保你已经安装了必要的深度学习库和计算机视觉库,例如CUDA、cuDNN、torch、pycocotools等。 4. **预处理数据**:根据模型需求,你需要准备训练数据集,通常包括图片和对应的标注信息。PASCAL VOC、COCO等都是常见的目标检测数据集。 5. **配置文件**:YOLOv10的训练通常需要修改配置文件,比如设置学习率、训练轮数、模型结构参数等。 6. **编译模型**:如果你使用的是Darknet,可能需要编译模型,这一步骤依赖于源代码的构建系统。 7. **训练模型**:用预处理后的数据训练模型,这通常需要大量的GPU资源和时间。 8. **评估和验证**:训练完成后,用验证集评估模型性能,调整参数可能需要多次迭代。 9. **推理**:最后,使用训练好的模型对新的图像进行目标检测。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值