在此申明,此方法是前期自行摸索,不是常用的运行方式。刚问了厉害的人,才知道我这个方法不太好。主流方法是输入代码训练或者运行train.py训练。此篇博客的方法,也能训练,对我而言,能运行,就说好方法。但是对于之后的算法改进不太好操作,尽量还是改成运行train.py训练。具体操作,还在摸索,有结果了再写。
在此之前没有学习和训练过任何深度学习网络,所以一开始无从下手。
主要是借鉴了别人的博客:
1、pyton\yolov8安装和基础使用,训练和预测(是CPU运行的,而不是GPU,我需要的是GPU的,所以参考价值不大)。本人在之前已经配置好GPU版本的深度学习环境(配置过程),但是跟着这个链接运行,不知道为什么还是cpu训练。原因可能是我没有在安装好CUDA的虚拟环境中运行。
2、https://blog.csdn.net/m0_61395091/article/details/129642022(GPU版本的、大佬写的很好,很清楚详细)
1、下载YOLOV8官方文件
官方地址:https://github.com/ultralytics/ultralytics
2、在Pycharm中运行yolov8
用Pycharm打开工程,然后,点击file中的Settings,选择自己的有CUDA的虚拟环境(很重要)。在Terminal输入pip install ultralytics
。
不要直接安装requirements.txt里的东西,因为里面的torch是cpu版本的,而不是gpu版本,直接安装将无法使用gpu运行(是误解,在选择好虚拟环境之后,再pip install -r requirements.txt
,只会安装虚拟环境中没有的模块,并不会覆盖掉自己已有的模块)