【C++】【YOLO】搭建环境运行YOLO模型，完成目标识别

1、安装Visual Studio，勾选C++和Python负荷

 2、安装CUDA | Pytorch | Python 这三者之间的版本关系很重要

详情参考：Pycharm搭建CUDA，Pytorch教程（匹配版本，安装，搭建全保姆教程）_cuda12.3对应的pytorch版本-CSDN博客

3、下载ultralytics所有代码进行修改（https://github.com/ultralytics/ultralytics/tree/main）

ultralytics-main\ultralytics\nn\modules\head.py文件中的：

y = torch.cat((dbox, cls.sigmoid()), 1)　　==》修改为　　y = torch.cat((dbox, cls), 1) 

 

ultralytics-main\examples\YOLOv8-CPP-Inference目录下的：

inference.cpp

inference.h

main.cpp

这三个文件

 

 放到新的控制台项目中

4、修改代码

// main.cpp

3　　#include <getopt.h>　　注释

14　　std::string projectBasePath = "/home/user/ultralytics";　　注释

27　　Inference inf(projectBasePath + "/yolov8s.onnx", cv::Size(640, 480), "classes.txt", runOnGPU);　　修改为

　　Inference inf("models/yolov5s.onnx", cv::Size(640, 640), "classes.txt", runOnGPU);

imageNames.push_back(projectBasePath + "/ultralytics/assets/bus.jpg");　　修改为自己的路径

 

还需配置项目库目录包含OpenCV