windows10 yolov8环境搭建笔记

'''
YOLOV8环境搭建
									python3.8
									pycharm
									anaconda
									cuda11.3+cuDNN
									pytorch:1.11.0
									torchvision:0.12.0									
									（注意：建议先看pytorch所支持的最高cuda版本，因为这个更新最慢）
									
0.环境准备
	python3.8
	pycharm
	anaconda
	cuda11.3
		CUDA下载 ： https://developer.nvidia.com/cuda-toolkit-archive
   		1. NVIDIA控制面板-帮助-系统信息-组件-NVCUDA.DLL后面有版本号表示最高可以装哪个CUDA版本

		cuDNN(GPU): https://developer.nvidia.com/rdp/cudnn-archive#a-collapse805-101
   			 a. 找到对应CUDA版本的CUDNN后，展开选windows的。右击复制链接，然后打开迅雷直接下载。不用注册账号
  			 b. 解压下载好的cuDNN包，并解压，得到bin include lib 三个文件夹
  			 c. 覆盖：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1[这里是版本号]
   		 
	pytorch + torchvision:
		1.pytorch下载 ： 
			https://pytorch.org/get-started/locally/	
			注意：建议先看pytorch所支持的最高cuda版本，因为这个更新最慢
		2.安装要求
			NVIDIA控制面板最高支持的CUDA版本：12.0，不能高于这个版本
			yolo环境要求requirements.txt
					torch>=1.7.0
					torchvision>=0.8.1
		3.conda install pytorch==1.8.1 torchvision==0.9.1 torchaudio==0.8.1 cudatoolkit=11.3 -c pytorch -c conda-forge	
     	4.卸载torch
      			pip uninstall torch -y	
	


1. 		查看当前环境：		conda list
    	创建虚拟环境： 
	       		conda create -n yolo8 python==3.8
   		查看虚拟环境：	conda info -e
    	激活虚拟环境：	activate yolo8
    	删除虚拟环境：	conda remove -n yolo8 --all	 

2.直接安装
			 
	方法 a：直接安装
			 conda install ultralytics
		 

	方法 b：通过 clone 的方法安装
			git clone https://github.com/ultralytics/ultralytics       推荐手动下载github.zip
			cd ultralytics
			pip install -e .			
			Finished processing dependencies for ultralytics==8.0.6    #就是安装成功
			（批量安装：pip install -r requirements.txt）

	注意事项：会有好几个包需要手动安装，
			a:与网络环境有关，多试几次
			b:很可能会与已部署的环境的有版本冲突，建议手动删除冲突文件
			（yolo5需要将Arial.ttf文件放入C:\Users\Administrator\AppData\Roaming\Ultralytics\目录）
'''

3.torch 完成验证
```python
import torch 
print(torch.__version__) 
print(torch.cuda.is_available())
print(torch.cuda.device_count())

4.YOLO 简单使用

#  python
#YOLO 简单使用

#ultralytics/yolo/configs/default.yaml  这里面可以设置常用参数

from ultralytics import YOLO
# Load a model
model = YOLO("yolov8n.yaml")  # build a new model from scratch
model = YOLO("yolov8n.pt")  # load a pretrained model (recommended for training)

# Use the model
results = model.train(data="coco128.yaml", epochs=3)  # train the model
results = model.val()  # evaluate model performance on the validation set
results = model("https://ultralytics.com/images/bus.jpg")  # predict on an image
success = model.export(format="onnx")  # export the model to ONNX format

5.标注工具的使用

labelimg
pip install labelimg
标注工具的使用
cmd labelimg

bat文件：
@echo off
echo 欢迎使用labelImg深度学习图像标注工具
echo …
call D:\py\Anaconda3\envs\yolov5\Lib\site-packages\labelImg\labelImg.py
pause

6.数据集目录结构

datesets
	data.yaml
		path: ./datesets
		train: train/images
		val: val/images
		nc: 1
		names: ["1"] 
	train
		images
		labels
			classes.txt
	val
		images
		labels
			classes.txt
	test