Yolov8 部署到自己电脑上

1、到Anaconda Prompt    输入查看虚拟环境

conda env list

2、创建新的虚拟环境

conda create -n yolov8 python==3.8.0

3、激活虚拟环境

 activate yolov8

4、安装pytorch框架

 pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

 5、下载yolo模型

①去github官网

新建标签页 (github.com)

https://github.com/

②自己分享一个百度网盘，里面有模型代码+权重文件

链接：https://pan.baidu.com/s/1nK_L0Oi4PomadSXXyJttMA

提取码：dgri

6、安装相关依赖包

切换cmd路径到自己刚刚下载的yolo模型的文件夹路径

cd /d 自己路径复制过来

cd /d D:\yolov8-ultralytics-main

安装requirements.txt文件里依赖包

pip install -r requirements.txt

7、安装yolov8，它这里其实叫ultralytics

pip install ultralytics

 8、测验成功与否

假如我们用yolov8s.pt来测试 ：

yolo task=segment mode=predict model=wighte/yolov8s.pt source=ultralytics/assets/bus.jpg save=true

测试视频/摄像头/文件夹：（source=自己的绝对路径就行，照片也可以用绝对路径，我前面是相对路径）#测试图片

yolo task=segment mode=predict model=wighte/yolov8s.pt source=ultralytics/assets/bus.jpg save=true

#测试视频

yolo task=segment mode=predict model=wighte/yolov8s.pt source=D:\car.mp4 show=true

#测试摄像头

yolo task=segment mode=predict model=wighte/yolov8s.pt source=0 show=true

#测试文件夹

yolo task=segment mode=predict model=wighte/yolov8s.pt source=D:\myimgs

  结果保存到了对应的文件夹下的runs\detect\predict。里面会有个测试好的图。

训练自己的模型

1. 安装图像标注工具

pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple  

下载完后打开软件，注意大小写

labelImg

调整模式，点击一次变成PascalVOC，再点击一次变成YOLO，我们选择YOLO格式进行标注

voc标注方式，生成的是xml格式文件

当然也可以直接从xml转txt

yolo标注方式，生成的是txt格式文件，也会生成一个类别文件classes.txt

快捷键：W是启动标注，A是上一张，D是下一张图片，在view里面点击自动保存。

创建数据集

创建images文件和labels文件

里面分别放置，train和val及test文件夹，当然test可选

图片文件夹下放置的是图片，labels下放置的是txt文件

 

from ultralytics import YOLO
# 加载模型
# 从头开始构建新模型
model = YOLO("yolov8n.yaml")
# 加载预训练模型（建议用于训练）
model = YOLO("C:/Users/16350/Desktop/yolov8/ultralytics-main/ultralytics/yolo/weights/yolov8n.pt")
# 使用模型
## 训练模型
model.train(data="coco128.yaml", epochs=3)
# 在验证集上评估模型性能
metrics = model.val()
# 对图像进行预测
results = model("C:/Users/16350/Desktop/yolov8/datasets/coco128/images/train2017")