windows下安装yolov8环境（详细图文教程）

目录

一：前言

二：安装yolov8

---

一：前言

最近看了 YOLO 的发展史，发现在机器视觉领域的应用非常广泛，f刚好最近一直在做机器视觉的工作，特此记录下搭建yolov的环境。我们使用的版本是yolov8的就用这个作为演示搭建过程。

二：安装yolov8

1： 安装地址 https://github.com/ultralytics/ultralytics

直接git clone 

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

2： 安装完，安装依赖包：

我们可以把依赖包定义在requirements.txt中，进行批量安装，这样就不用一个一个安装。

如下:

psutil
opency-python
pyyaml
matplotlib 
 tqdm 
requests 

安装前，我们需要创建一个虚拟环境：

conda create -n yolon8 python==3.10

激活环境：

activate yolon8

批量安装：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

查看安装的包：

conda list

3：安装pytorch

 pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

yolov8的模型训练和使用依赖于pytorch，这个安装时间会比较长。

4：安装ultralytics

pip  install ultralytics

这个安装过程中，需要安装其他库文件，时间比较长，而且链接github不稳定，老是为超时，可以多尝试几次。

这里安装出现错误

​

我们单独安装:
pip install pandas

​

5：安装完我们可以在命令行训练模型：

yolo task=detect mode=predict model=yolov8n.pt conf=0.25 source='ultralytics/assets/bus.jpg'
 
6： 使用训练的模型检测：

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

附：训练方法

1： 多Gpu训练:

from ultralytics import YOLO
# Load a model
model = YOLO('yolov8n.pt')  # load a pretrained model (recommended for training)
# Train the model with 2 GPUs
results = model.train(data='coco128.yaml', epochs=100, imgsz=640, device=[0, 1])

命令行模式:

yolo detect train data=coco128.yaml model=yolov8n.pt epochs=100 imgsz=640 device=0,1

2：单GPU或cpu

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n.yaml')  # build a new model from YAML
model = YOLO('yolov8n.pt')  # load a pretrained model (recommended for training)
# 或者这么写
model = YOLO('yolov8n.yaml').load('yolov8n.pt')  # build from YAML and transfer weights

# Train the model
results = model.train(data='coco128.yaml', epochs=100, imgsz=640)

命令行模式:

olo detect train data=coco128.yaml model=yolov8n.pt epochs=100 imgsz=640