YOLOv8推理使用（指令讲解+报错解决方法）

一、下载官网yolov8项目

1、进入项目网址

点击链接：https://github.com/ultralytics/ultralytics

2、下载项目

下载后解压文件夹，用pycharm打开项目

二、推理

方法一：运行python文件

新建一个python文件，test.py，代码如下：

# -*- coding: utf-8 -*-
from ultralytics import YOLO

#导入已经训练好的模型
model=YOLO('runs/detect/train6/weights/best.pt')

#图片或视频数据都可以，直接将数据传入接口即可
model.predict('datasets/phoneandmouse/test/images/4543aa199a884d46e28345e3835cc6b1.jpg',save=True)
model.predict('datasets/phoneandmouse/test/images/611576d261acf0f080a0ff226d9687a6.jpg',save=True)
model.predict('datasets/phoneandmouse/test/images/672368864be9e37074513e6e0acf3830.mp4',save=True)

注：代码中的路径都要修改成自己模型和图片、视频的相对路径。

方法二：通过指令进行推理

1、安装yolo依赖

注：打开项目后，要确保pycharm上环境已经使用的是刚刚配好的虚拟环境，如果不确定可以查看以下文章中pycharm部分配环境的教程。
超详细YOLOv8虚拟环境搭建（cuda+pyside6+pytorch+ultralytics库）

点击进入终端

输入以下指令安装依赖

pip install yolo

2、输入推理指令

yolo task=detect mode=predict model=yolov8n.pt conf=0.25 source='ultralytics/assets/bus.jpg'

指令讲解

（1）打开yolov8配置文件进行对照

在文件中找到default.yaml文件

如果没找到在哪个路径下，双击两下shift键，搜索default.yaml，点击即可

（2）task

对照配置文件中的任务task，有detect, segment, classify, pose，task=后面输入想要实现的功能的任务

（3）mode

对照配置文件中的mode，常用的有train（训练）、val（验证）、predict（推理），在mode=后面输入想要进行的模式

（4）model

选择yolov8官方给的模型或自己的模型都可以，在model=后面输入选择的模型

（5）conf

设置置信度，只有置信度大于设定值的检测结果才会被保留，在conf=后面输入设置的置信度

（6）source

在source=后面输入要推理的内容所在的路径

本文以’ultralytics/assets/bus.jpg’路径下的图片为例

报错解决

输入推理指令后可能会出现如下的报错

Usage: yolo [OPTIONS] COMMAND [ARGS]...
Try 'yolo -h' for help.
Error: No such command 'task=detect'.

方法一

注：建议先尝试方法一，如果尝试过之后输入推理指令还是报这个错，可以尝试方法二，网上有很多教程是方法二的那种方法，博主一开始尝试的那种方法但没有成功解决。
可能是ultralytics库没有安装好，卸载重新装就可以了，指令如下：

pip uninstall ultralytics

pip install ultralytics

再输入推理指令，可以成功运行

方法二

输入以下指令

cd ultralytics

python setup.py install

3、查看推理结果

输入推理指令后，成功执行后会有下图中红框中的内容，根据其中内容找到结果所在路径即可