【草稿】大名鼎鼎的YOLO 迎来新版本YOLOv8，将脱离标准的YOLO项目设计开发自己的API ！
YOLOv8 亲体验 ，手把手在 Anaconda 的虚拟环境布置和运行YOLOv8
本文章从0开始去用yolov8训练COCO128数据集，大家学会了之后也可以去跑你们的数据集，看是否速度和准确度对比之前的模型有所上升！有点尴尬的是第 77 张图片没有我们要的元素
1、安装Anaconda和PyCharm
这个就不用多说了吧
2、创建虚拟环境
（新建环境会更干净，但也可直接在base环境上搭建）
-
windows下打开Anaconda Prompt
-
创建名为yolov8的虚拟环境：
conda create -n yolov8 python=3.7 anaconda
- 查看conda中已创建的环境：
conda env list
- 打开新建环境yolov8：
conda activate yolov8
3、安装pytorch
- 检查是否安装pytorch：(新建环境则直接跳过检查)
在yolov8环境下输入：
python
import torch
import torchvision
torch.cuda.is_available()
如果输出为False则要安装pytorch
- 检查CUDA版本：
在windows的cmd下输入：
nvidia-smi
输出的第一行就能看见CUDA的版本（这里为10.2，是比较低的版本，后续要更新）
pytorch官网：https://pytorch.org/get-started/locally/
进入官网，可以看到CUDA的版本不能低于11.6（或11.7）,yolov8要求的CUDA版本比较新，这也是许多教程没有强调的地方，如果CUDA版本旧就不能硬安，不然会一直报错且找不到理由。所以如果CUDA版本没达到11.6，则要更新英伟达驱动。
- 更新英伟达驱动
首先，查找电脑的英伟达版本：
任务管理器->性能->找到NVIDIA开头的GPU->就能看见英伟达版本了
英伟达官网：https://www.nvidia.cn/
点击右上方的驱动程序进入页面：
然后点击搜索、下载，下载完成后再点击exe文件进入安装界面：
选择第一项：NVIDIA显卡驱动和GeForce Experience
取消所有勾选：
即完成更新
再在yolov8环境或cmd命令行中输入：
nvidia-smi
即可查看更新后的CUDA版本：
此时为12.0版本，大于11.6，就可以去官网安装pytorch了
4.安装pytorch
pytorch官网： https://pytorch.org/get-started/locally/
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116
成功下载：
4、下载yolov8源码
https://github.com/ultralytics/ultralytics
下载到电脑后解压
5、设置PyCharm
在PyCharm中新建项目，并打开源码的项目文件，并在setting中按照刚刚查看的conda环境来选择python Interpreter(解释器):
最后在pycharm的终端Terminal中出现(yolov8)的前缀即成功
6、安装依赖
在pycharm终端Terminal中（代码目录下）安装依赖：
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
python setup.py install
setup.py安装后会输出比较多的信息，主要看最后是否输出Finished processing即可（报错大多是网络问题，多尝试）
7、运行推理
检测的推理：
在pycharm下的Terminal中（代码目录下）输入：
yolo predict model=yolov8n.pt source="https://ultralytics.com/images/bus.jpg"
图片结果保存在最后一行指定路径中
当然也可以直接也运行文件ultralytics->yolo->v8->detect->predict.py，
图片结果也保存在最后一行指定路径中:
如报错：
urllib.error.URLError: 「urlopen error [Errno 11004] getaddrinfo failed」
原因及解决方法：
电脑配置的DNS不能使用了，只需修改DNS地址为114.114.114.114即可:
即可
8、训练数据集
- 在数据集coco128.yaml上训练yolov8n模型，分为100个阶段，图像大小为640:
yolo detect train data=coco128.yaml model=yolov8n.pt epochs=100 imgsz=640
开始100个阶段的训练，图片结果保存至所示路径中：
报错与解决：
由于下载的pytorch导致两个同名文件libiomp5md.dll文件冲突了，删掉下图指定的一个即可：
网上千篇一律地说找文件，改workers，改batch_size，也没有说怎么找，就算是在default文件找到了参数可以修改，但是改了也没用，官网的指令和它没关系，然后网上还说不行就创建虚拟空间，有些人创建之后行了，但c盘d盘都快满了，也有人怎么调大都不行。
这里只需要修改一下代码：
yolo detect train data=coco128.yaml model=yolov8n.pt epochs=100 imgsz=640 workers=4 batch=4
如果还不行就继续减小workers和batch的大小即可
(ps：如果还是不行，那就创建虚拟空间吧：https://blog.csdn.net/Together_CZ/article/details/126545991)
历经4.25个小时，训练完成：
