【yolov8部署实战】VS2019+OpenCV环境部署yolov8目标检测模型|含详细注释源码_yolov8 opencv

一、前言

之前一阵子一直在做的就是怎么把yolo项目部署成c++项目，因为项目需要嵌套进yolo模型跑算法。因为自己也是本科生小白一枚，基本上对这方面没有涉猎过，自己一个人从网上到处搜寻资料，写代码，调试，期间遇到的bug不能说多，只能说很多！！！

最开始的思路一直都是，有没有什么办法能够直接用C++代码直接调用整个yolo项目，也就是如何用C++调用python项目。

这期间真的，碰壁不少，先是安装opencv环境，能显示图像了，然后就是调用python。网上的教程很少或者说基本没有关于如何直接用c++调用整个python项目的。一般也是用c++调用一个python脚本文件的。可即使就是用c++调用一个python脚本文件，也遇到了数不尽的bug。无法找到python36.dll呀、python环境变量冲突呀…怎么说呢，反正是网上关于c++调用python脚本的bug，不管是查得到的还是查不到的，我全遇到了…

下面是自己记录的一些问题以及解决办法：

• 途中报错：由于找不到python36.dll，无法继续执行代码。重新安装程序可能会解决此问题

  只要重新下载python37.dll解压复制到C:\Windows\System32\这里就行了

• QT调用python脚本时遇到的坑（十一大坑全有）

• Fatal Python error: init_fs_encoding: failed to get the Python codec of the filesystem encoding, when trying to start uwsgi这个问题应该还是跟环境变量什么的有关系，最后还是没解决（可能是我电脑上python环境太多太杂乱了？）反正试了很多办法也没解决。最后的最后呢，换了台电脑，重新按照教程，注意一些坑点，成功调用了一个python脚本文件。

主要参考教程如下：

• VS+QT调用python脚本

• C++ QT调用python脚本并将软件打包发布

在这里特别想感谢第一篇教程的博主十里春风_jzh,因为在调用python脚本的时缺少遇到了很多bug和困难，这个博主一直耐心回答帮助我解决问题，真的十分感谢！这也是为什么我一直坚持写博客，分享知识的原因，因为一个人的力量总是渺小的，而更多人的智慧是无量的！

---

最后由于精力耗费太大，网上相关资料又太少，虽然实现了C++调用一个python脚本文件，但是还是没有实现C++直接调用一整个python项目的。（当时不知道为什么QT项目又只能在Debug模式下跑、也想到又要集成python整个大的项目，最后的软件体积是否会非常大？））况且网上的方法一般还是把yolo模型用其他C++框架(opencv-dnn、onnxruntime、TensorRT）部署的比较多，于是转战直接用c++和相关框架来部署了。

当时记录的新路历程：
⭐yolo转为onnx，用c++进行推理
发现直接用c++去调用整个yolov8的ultralytics项目网上的方法少之又少，而且通过了解知道yolo的底层框架什么的其实也是c++，看到很多用c++部署yolo的都是转换为onnx模型，现在那就按照这种方法试试吧，毕竟参考资料很多。虽然之前一开始也想到了这种部署方法，但是出于对c++的恐惧以及对Yolov8项目的没有很深入的了解，还有pytorch这些框架的不了解，感觉很害怕，怕自己弄错，于是想着偷懒，如果能找到c++直接调用python整个项目的该多好。但是现在才反应过来，技术的懒你是一点也偷不了，这块你不克服、你不去弄懂、你不去尝试，你就跨不过去这个坎。反而弄懂之后不但扫清了你的障碍，还对这块技术有了更深入的了解，还可以反观之前那种偷懒方法隐含的弊端。

一开始是发现YOLO官方直接有相关的onnxruntime-cpp的代码实现：ultralytics/examples
/YOLOv8-ONNXRuntime-CPP/。

• 注意点一、改变语言标准为c++17

  VS2019修改C++标准（支持C++17）

• 注意点2：配置好onnx环境()

• cuda和onnxruntime的环境配置(40系列的显卡至cuda至少要11.8->这个点暂时不确定，因为后来我在项目中使用11.2版本的cuda没有问题)

  VS2019配置onnxruntime推理环境

  使用gpu版本onnxruntime的推理需要使用cuda

  cuda的安装过程看这个CUDA安装及环境配置——最新详细版
  结合CUDA11.0+VS2019+WIN10环境配置

⭐⭐⭐❗❗❗❗主要还是参考官方yolo教程，但是yolo的教程运行起来还是报错，然后还是一开始使用的这个博客使用opencv的方法进行Yolov8的推理：（注意环境必须是opencv4.8.0/4.8.1

yolov8 opencv模型部署（C++版）

但是出现问题：opencv4.8版本ok，enableCuda也设置了true，但是推理一张图片居然要5s，看任务管理器也发现没有用GPU，看这个博客评论得到以下点\

• 使用CUDA需要将cv::Mat类型转换为GpuMat（好吧，后来试了这个发现显示cv没有GpuMat，不知道是不是英文opencv需要进行编译的原因（劝退了，opencv编译太难了
• ❗博主也给出opencv+cuda源码编译有（看来需要将opencv进行特定的编译？）同时也给出可以直接使用tensorrt,速度会比opencv+cuda快很多,说折腾这个时间成本高，且折腾完了所以对于也相对较慢（博主也给出了tensorrt进行部署的教程：win10下 yolov8 tensorrt模型部署✨

（