正文

yolov8从0开始搭建部署yolov8，环境安装+推理+自定义数据集搭建与训练，一小时掌握(代码片段)

奥怪  奥怪  2023-04-04  780

关键词：

〇、详细视频教程

bilibili详细视频教程

一、（ultralytic）YOLOV8项目部署

github链接：https://github.com/ultralytics/ultralytics

git拉取项目：
git clone https://github.com/ultralytics/ultralytics.git

二、cuda、cudnn、Pytorch等环境安装与卸载

首先查看pytorch支持的最高版本
PyTorch
https://pytorch.org/

然后查看N卡系统支持最高的版本
然后权衡下载支持最高版本的CUDA和cuDNN

CUDA工具包
https://developer.nvidia.cn/zh-cn/cuda-toolkit
cuDNN
https://developer.nvidia.com/rdp/cudnn-download

配置对应的环境变量

nvcc -V：查看版本CUDA

安装项目依赖

pip install -e ultralytics
pip install ultralytics
pip install yolo

卸载项目依赖为你安装CPU版本pytorch，打开pytorch官网，使用对应命令下载GPU版本

三、YOLOV8的简单讲解与推理使用

推理示例：
yolo task=detect mode=predict model=yolov8n.pt conf=0.25 source=‘ultralytics/assets/bus.jpg’
推理示例：
yolo task=detect mode=train model=yolov8s.pt data=dataset.location/data.yaml epochs=100 imgsz=640 resume=True workers=2

四、如何制作自定义数据集并训练

1.自定义数据集结构讲解与制作

数据结构：
datasets
├─ data.yaml
├─ test
│ ├─ images
│ │ └─ ······
│ └─ labels
│ └─ ······
├─ train
│ ├─ images
│ │ └─ ······
│ └─ labels
│ └─ ······
├─ valid
│ ├─ images
│ │ └─ ······
│ └─ labels
│ └─ ······
├─ data.yaml
└─ yolov8n.yaml

2.YOLO CLI的简单介绍

3.如何中断续训

中断续训示例：
yolo task=detect mode=train model=runs/detect/train12/weights/last.pt epochs=500 imgsz=640 resume=True workers=2

其他：

cmd切换到对应的虚拟环境

conda info -e
activate ultralytics

test.py代码（查看pytorch是否支持GPU）：

#输入库
import torch
#查看版本
print(torch.__version__)
#查看gpu是否可用
print(torch.cuda.is_available())
#返回设备gpu个数
print(torch.cuda.device_count())
# 查看对应CUDA的版本号
print(torch.backends.cudnn.version())
print(torch.version.cuda)
#退出python
quit()

按比例移动制作自定义数据集代码：

import os
import random
from tqdm import tqdm

# 指定 images 文件夹路径
image_dir = "D:/zm/coco128/images"
# 指定 labels 文件夹路径
label_dir = "D:/zm/coco128/labels"

# 创建一个空列表来存储有效图片的路径
valid_images = []
# 创建一个空列表来存储有效 label 的路径
valid_labels = []

# 遍历 images 文件夹下的所有图片
for image_name in os.listdir(image_dir):
    # 获取图片的完整路径
    image_path = os.path.join(image_dir, image_name)
    # 获取图片文件的扩展名
    ext = os.path.splitext(image_name)[-1]
    # 根据扩展名替换成对应的 label 文件名
    label_name = image_name.replace(ext, ".txt")
    # 获取对应 label 的完整路径
    label_path = os.path.join(label_dir, label_name)
    # 判断 label 是否存在
    if not os.path.exists(label_path):
        # 删除图片
        os.remove(image_path)
        print("deleted:", image_path)
    else:
        # 将图片路径添加到列表中
        valid_images.append(image_path)
        # 将label路径添加到列表中
        valid_labels.append(label_path)
        # print("valid:", image_path, label_path)

# 遍历每个有效图片路径
for i in tqdm(range(len(valid_images))):
    image_path = valid_images[i]
    label_path = valid_labels[i]
    # 随机生成一个概率
    r = random.random()
    # 判断图片应该移动到哪个文件夹
    # train：valid：test = 7:3:1
    if r < 0.1:
        # 移动到 test 文件夹
        destination = "D:/sj/project/python/ultralytics/datasets/test"
    elif r < 0.2:
        # 移动到 valid 文件夹
        destination = "D:/sj/project/python/ultralytics/datasets/valid"
    else:
        # 移动到 train 文件夹
        destination = "D:/sj/project/python/ultralytics/datasets/train"

    # 生成目标文件夹中图片的新路径
    image_destination_path = os.path.join(destination, "images", os.path.basename(image_path))
    # 移动图片到目标文件夹
    os.rename(image_path, image_destination_path)
    # 生成目标文件夹中 label 的新路径
    label_destination_path = os.path.join(destination, "labels", os.path.basename(label_path))
    # 移动 label 到目标文件夹
    os.rename(label_path, label_destination_path)

print("valid images:", valid_images)
#输出有效label路径列表
print("valid labels:", valid_labels)

参考：

Ultralytics YOLOv8 Docs（官方的说明文档）
Windows10系统pytorch、cuda11.0、cuDNN安装
 cuda 和 cudnn 库的卸载与安装 - 知乎
 Pytorch环境详细安装教程【Win10+CUDA升级11.6+cudNN+Anaconda3虚拟环境+pycharm】

yolov8教程系列：一使用自定义数据集训练yolov8模型（详细版教程，你只看一篇-＞调参攻略），包含环境搭建/数据准备/模型训练/预测/验证/导出等(代码片段)

【YOLOv8训练】使用自定义数据集训练YOLOv8模型（详细版教程，调参必看），包含环境搭建/数据准备/模型训练/预测/验证/导出等0.引言1.环境准备2.数据准备（1）指定格式存放数据集（2）按比例划分... 查看详情

[课程][原创]yolov8训练自己的目标检测模型windows版

搞定系列：yolov8训练自己的目标检测模型windows版无限期视频有效期课程地址;https://edu.csdn.net/course/detail/3825411节节数5706学生人数研究员熟悉众多计算机编程语言，开发众多windows程序,长期致力于图像算法、深度学习方面研... 查看详情

yolov8代码调试运行实战

YOLOv8代码调试运行实战YOLOv8入坑出坑。1.创建虚拟环境创建：condacreate-nyolov8python=3.8condacreate-nyolov8python=3.7查看：condaenvlist进入：condaactivateyolov8退出：condadeactivate删除：condaremove-nyolov8--all2.导入yolov8源码下... 查看详情

地平线bpu部署教程-少年，你确定不部署一下yolov8?(包含源码)(代码片段)

...他，那么今天我要带来的就是这个神奇的YOLOv5大升级——YOLOv8!!!首先，惯例要看一眼YOLOv8的速度和精度，如官方的资料图所示:Amazing!!!YOLOv8n比YOLOv5s参数量少一倍的情况下，精度竟然持平YOLOv5s!与YOLOv6/YOLOv7之间的比较也是略胜一... 查看详情

结合yolov8实现目标追踪(代码片段)

博主使用YOLOv8在自制数据集上取得了不错的效果，考虑到后期的安排，需要在完成目标检测后完成目标追踪功能。因此在本篇博文中主要介绍结合YOLOv8实现目标追踪。项目源码：https://github.com/mikel-brostrom/yolov8_tracking... 查看详情

windows10下yolov8tensorrt模型加速部署实战

Windows10下yolov8tensorrt模型加速部署【实战】TensorRT-Alpha基于tensorrt+cudac++实现模型end2end的gpu加速，支持win10、linux，在2023年已经更新模型：YOLOv8,YOLOv7,YOLOv6,YOLOv5,YOLOv4,YOLOv3,YOLOX,YOLOR,pphumanseg,u2net,EfficientDet。关注仓库《TensorRT-Alpha》：... 查看详情

从0开始搭建自动部署环境

从0开始搭建自动部署环境前言从Docker改变使用动态库后，DooD不再可行，而Dind依然可行。针对此改变，重新整理并记录自动部署环境配置步骤。此环境是实现微服务自动部署的基础，使用jenkins持续集成工具，并内置了java和maven... 查看详情

windows使用yolov8训练自己的模型（0基础保姆级教学）(代码片段)

...belimg1.2、安装库并启动labelimg1.4、制作YOLO数据集二、使用YOLOv8训练模型2.1、下载库——ultralytics（记得换源）2.2、数据模板下载2.3、开始训练1、启动train.py，进行训练2、我们可以直接使用命令进行训练三、其他问题1... 查看详情

yolov8训练筷子点数数据集(代码片段)

序言yolov8发布这么久了，一直没有机会尝试一下，今天用之前自己制作的筷子点数数据集进行训练，并且记录一下使用过程以及一些常见的操作方式，供以后翻阅。一、环境准备yolov8的训练相对于之前的yolov5简单... 查看详情

yolov8从pytorch到caffe训练模型并转换到caffemodel(代码片段)

Yolov8从pytorch到caffe（三）训练模型并转换到caffemodel1.训练前数据准备工作2.训练行人摔倒模型pth3.转换模型pth到onnx4.onnx转caffemodel从官方文档可以看到，yolov8的训练可以采用命令行的方式进行，非常方便yolotask=detectmode=trainmodel=yolov... 查看详情

yolov8最强操作教程.(代码片段)

YoloV8详细训练教程.相信各位都知道yolov8发布了，也是U神大作，而且V8还会出论文喔！2023.1.17更新yolov8-grad-cam热力图可视化链接2023.1.20更新YOLOV8改进-添加EIoU,SIoU,AlphaIoU,FocalEIoU链接2023.1.30更新如果你需要修改或者改进yol... 查看详情

yolov8在tensorrt+cuda加持下的性能测试(代码片段)

...1a;batchx3x640x640（测试设置batch为8）测试模型：yolov8n，yolov8s，yolov8n，更多模型测试可以去网盘下载：文件分享测试仓库yolov8相关tensrrt+cuda部署代码在仓库TensorRT-Alpha:https://github.com/FeiYull/tensorrt-alpha测... 查看详情

win10下yolov8tensorrt模型加速部署实战(代码片段)

yolov8解决了v5的问题嘛？

文章大纲yolov8简介网络结构yolov8准确率的提升yolov8的速度提升参考文献与学习路径yolov8简介官网：https://ultralytics.com/yolov8https://github.com/triple-Mu/YOLOv8-TensorRT详细介绍：https://learnopencv.com/ultralytics-yolov8/网络结构yolov8准确率的提升yol... 查看详情

yolov8解决了v5的问题嘛？

yoloyolov8实操：环境配置/自定义数据集准备/模型训练/预测(代码片段)

YOLOv8实操：环境配置/自定义数据集准备/模型训练/预测引言1环境配置2数据集准备3模型训练4模型预测引言源码链接：https://github.com/ultralytics/ultralyticsyolov8和yolov5是同一作者，相比yolov5，yolov8的集成性更好了，... 查看详情

yolov8进行改进并训练自定义的数据集(代码片段)

一.训练数据集准备 YOLOv8的训练数据格式与YOLOv5的训练数据格式一致，这一部分可以进行沿用。之前博文有发布VOC标注格式转YOLO标注格式的脚本，有需要可以查看。二.项目克隆 YOLOv8项目文件可以直接去github上... 查看详情

yolov8模型学习笔记

...计，从正负样本匹配策略到LOSS设计，今天博主学习的是YOLOv8，同为ultralytics公司的产品，两者无论是思想层面还是具体的设计方面都有着异曲同工之妙。那么就让我们来学习一下这个横空出世的YOLOv8算法吧。值得一提的是，YOLOv8... 查看详情