YOLOV8环境搭建

一、（ultralytic）YOLOV8项目部署

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

git拉取项目：

git clone https://github.com/ultralytics/ultralytics.git

二、cuda、cudnn、Pytorch等环境安装与卸载

首先查看pytorch支持的最高版本

PyTorch

https://pytorch.org/

然后查看N卡系统支持最高的版本

然后权衡下载支持最高版本的CUDA和cuDNN

CUDA工具包 https://developer.nvidia.cn/zh-cn/cuda-toolkit

cuDNN https://developer.nvidia.com/rdp/cudnn-download

配置对应的环境变量

nvcc -V：查看版本CUDA

安装项目依赖

pip install -e ultralytics

pip install ultralytics

pip install yolo

卸载项目依赖为你安装CPU版本pytorch，打开pytorch官网，使用对应命令下载GPU版本

三、YOLOV8的简单讲解与推理使用

推理：

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

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

训练：

yolo task=detect mode=train model=yolov8s.pt data={dataset.location}/data.yaml epochs=100 imgsz=640 resume=True workers=2

我的指令(训练)：

yolo task=detect mode=train model=./ultralytics/models/v8/yolov8n.yaml data=./ultralytics/datasets/coco128.yaml epochs=1000 batch=16

• 带resume训练指令

yolo task=detect mode=train model=./ultralytics/models/v8/yolov8n.yaml data=./ultralytics/datasets/coco128.yaml epochs=500 batch=16 resume=True workers=2

• 中断续训

yolo task=detect mode=train model=runs/detect/train/weights/last.pt epochs=500 batch=16 resume=True workers=2

四、如何制作自定义数据集并训练

1.自定义数据集结构讲解与制作

数据结构：

datasets

├─ data.yaml

├─ test

│ ├─ images

│ │ └─ ······

│ └─ labels

│ └─ ······

├─ train

│ ├─ images

│ │ └─ ······

│ └─ labels

│ └─ ······

├─ valid

│ ├─ images

│ │ └─ ······

│ └─ labels

│ └─ ······

├─ data.yaml

└─ yolov8n.yaml

2.YOLO CLI的简单介绍

3.如何中断续训

中断续训：

yolo task=detect mode=train model=runs/detect/train12/weights/last.pt epochs=500 imgsz=640 resume=True workers=2

其他：

cmd切换到对应的虚拟环境

conda info -e

activate ultralytics

test.py代码（查看pytorch是否支持GPU）：

`#输入库`

import torch

\#查看版本

print(torch.__version__)

\#查看gpu是否可用

print(torch.cuda.is_available())

\#返回设备gpu个数

print(torch.cuda.device_count())

\# 查看对应CUDA的版本号

print(torch.backends.cudnn.version())

print(torch.version.cuda)

\#退出python

quit()

按比例移动制作自定义数据集代码：

import os

import random

from tqdm import tqdm

\# 指定 images 文件夹路径

image_dir = "D:/zm/coco128/images"

\# 指定 labels 文件夹路径

label_dir = "D:/zm/coco128/labels"

\# 创建一个空列表来存储有效图片的路径

valid_images = []

\# 创建一个空列表来存储有效 label 的路径

valid_labels = []

\# 遍历 images 文件夹下的所有图片

for image_name in os.listdir(image_dir):

​ \# 获取图片的完整路径

​ image_path = os.path.join(image_dir, image_name)

​ \# 获取图片文件的扩展名

​ ext = os.path.splitext(image_name)[-1]

​ \# 根据扩展名替换成对应的 label 文件名

​ label_name = image_name.replace(ext, ".txt")

​ \# 获取对应 label 的完整路径

​ label_path = os.path.join(label_dir, label_name)

​ \# 判断 label 是否存在

​ if not os.path.exists(label_path):

​ \# 删除图片

​ os.remove(image_path)

​ print("deleted:", image_path)

​ else:

​ \# 将图片路径添加到列表中

​ valid_images.append(image_path)

​ \# 将label路径添加到列表中

​ valid_labels.append(label_path)

​ \# print("valid:", image_path, label_path)

\# 遍历每个有效图片路径

for i in tqdm(range(len(valid_images))):

​ image_path = valid_images[i]

​ label_path = valid_labels[i]

​ \# 随机生成一个概率

​ r = random.random()

​ \# 判断图片应该移动到哪个文件夹

​ \# train：valid：test = 7:3:1

​ if r < 0.1:

​ \# 移动到 test 文件夹

​ destination = "D:/sj/project/python/ultralytics/datasets/test"

​ elif r < 0.2:

​ \# 移动到 valid 文件夹

​ destination = "D:/sj/project/python/ultralytics/datasets/valid"

​ else:

​ \# 移动到 train 文件夹

​ destination = "D:/sj/project/python/ultralytics/datasets/train"

​ \# 生成目标文件夹中图片的新路径

​ image_destination_path = os.path.join(destination, "images", os.path.basename(image_path))

​ \# 移动图片到目标文件夹

​ os.rename(image_path, image_destination_path)

​ \# 生成目标文件夹中 label 的新路径

​ label_destination_path = os.path.join(destination, "labels", os.path.basename(label_path))

​ \# 移动 label 到目标文件夹

​ os.rename(label_path, label_destination_path)

print("valid images:", valid_images)

\#输出有效label路径列表

print("valid labels:", valid_labels)

参考：

Ultralytics YOLOv8 Docs（官方的说明文档）

https://docs.ultralytics.com/

ultralytics/README.zh-CN.md at main · ultralytics/ultralytics · GitHub（官方的中文说明页）

https://github.com/ultralytics/ultralytics/blob/main/README.zh-CN.md

Windows10系统pytorch、cuda11.0、cuDNN安装_吨吨不打野的博客-CSDN博客_cuda版本11一定要安装11吗

https://stitch.blog.csdn.net/article/details/112329058

cuda 和 cudnn 库的卸载与安装 - 知乎

https://zhuanlan.zhihu.com/p/102966512

Pytorch环境详细安装教程【Win10+CUDA升级11.6+cudNN+Anaconda3虚拟环境+pycharm】

https://blog.csdn.net/weixin_44842318/article/details/127487476/