yolov8环境搭建

---

引言

硬件环境：
CUDA版本11.8，使用anaconda作为python环境环境，python为3.9版本。

---

一、环境搭建

1.创建虚拟环境

首先在自己的anaconda下新建一个虚拟环境，配置虚拟环境：
python 3.9,
torch、torchvision ：https://pytorch.org/ 进入pytorch官网，根据CUDA版本，选择对应的torch版本，复制对应的pip指令到虚拟环境下安装即可

2.下载代码

https://github.com/ultralytics/ultralytics
进入链接，点击下载代码，将源码下载到本地

3.安装第三方依赖库

运行requirements.txt文件即可完成对所有库的安装。
运行该文件需要先进入到该文件所在的文件夹：cd 各层文件夹。进入所在文件夹之后再运行该文件。，执行pip install -r requirements.txt

4.测试

我们使用yolov8s.pt进行目标检测的测试，第一次运行时会自动下载yolov8s.pt

yolo task=detect mode=predict model=yolov8s.pt source=ultralytics/assets/bus.jpg
1

---

总结

提示：这里对文章进行总结：
例如：以上就是yolov8的环境搭配，其中cuda和cudnn的版本要与本地显卡算力相匹配，这两个的版本影响pytorch版本的选择