机器视觉 - YoloV8 命令行安装

创建python 环境

参考 https://zhuanlan.zhihu.com/p/570822583

1. 下载并安装 miniconda 安装包, 注意miniconda和 python 版本对应关系, 不要选择python最新的版本, 以免yolo或pytorch不能兼容最新版python.
   这里到安装到 C:\miniconda3
2. 配置 conda 环境, 修改conda配置文件内容, 文件名为 C:\Users\myuser\.condarc
   py 虚拟环境目录应该安装到C盘, 否则有后期模型训练可能会报缓存不够.

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - defaults
show_channel_urls: true
envs_dirs:
  - c:\miniconda_data\envs
pkgs_dirs:
  - c:\miniconda_data\pkgs

3. 创建虚拟环境 yolo8

## create env 
C:\miniconda3\Scripts\conda.exe create --name yolo8 python=3.9

## clone 已有的virtual env
conda create -n yolo8test --clone yolo8 

## list env 
conda env list 

新venv路径为: environment location: D:\miniconda_data\envs\yolo8

4. 激活新的虚拟环境
   使用 powerShell无法完成激活, 可使用 cmd 或者 conda prompt 激活.
   注意激活命令在 miniconda 安装路径, 并不是在 virtual env 的scripts目录下.

conda.exe activate yolo8

5. 安装 pytorch (包名为 torch)
   安装包, 需要先进入 virtual env 的scripts目录下.

## 如果有 N卡 GPU
# 检查N卡版本以及支持的cuda版本
# nvidia-smi
# 安装 pytorch 
# conda install pytorch torchvision torchaudio cudatoolkit -c pytorch

# 如果没有GPU, 安装 cpu 版, 也可以跳过这步, install ultralytics 将自动安装 pytorch CPU版
# conda install pytorch torchvision torchaudio cpuonly -c pytorch

# 安装指定的 pytorch 版本
conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 cpuonly -c pytorch
# pip install torch==1.13.1+cpu torchvision==0.14.1+cpu torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cpu

验证 Pytorch 是否是GPU版本:

import torch
torch.cuda.is_available()

6. 安装 yolo8

.\pip install ultralytics

7. 验证安装

import ultralytics
ultralytics.checks()

认识 yolo 软件的目录结构

Script和工作目录:

# yolo命令行
myEnv\Scripts\yolo.exe 

# 模型权重存放路径, 执行该命令的pwd路径, 所以这个路径是不确定的. 
 # 如果yolo.exe 命令行中指定了预训练权重文件, 第一次训练时候将会自动下载模型文件, 我们最好是将 pretrained 模型文件手动下载到一个专门的目录下, 比如 `myEnv\Scripts\`. 以后训练都可直接指定该pt路径, 避免再次下载.  pt文件下载路径:  https://github.com/ultralytics/assets/releases 

# 数据集图像的存放路径
myEnv\Scripts\datasets

# training/predict结果存放路径
myEnv\Scripts\runs

包目录:

# yolov8 包安装目录
myEnv\site-packages\ultralytics\

# yolo 命令行的所有参数以及缺省值
myEnv\site-packages\ultralytics\cfg\default.yaml

# 数据定义yaml文件的默认存放路径, 需要自定义数据集文件, 可以参考软件包自带的 coco8.yaml 格式
myEnv\site-packages\ultralytics\cfg\datasets\coco8.yaml

# object detection和 cls 模型结构定义文件
myEnv\site-packages\ultralytics\cfg\models\v8\yolov8.yaml
myEnv\site-packages\ultralytics\cfg\models\v8\yolov8-cls.yaml

需要说明的是, v8 软件包虽然只带有 yolov8.yaml 文件, 但我们可以传类似 model=yolov8n.yaml, yolo 程序将基于 yolov8.yaml, 自动通过调整 yolov8.yaml 的 scale 为 n 或 s 或 m 或 l 或 x, 形成 yolov8n.yaml .