机器视觉 - YoloV8 命令行安装

创建python 环境

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

C:\miniconda3\Scripts\conda.exe create --name yolo8 

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.

C:\miniconda3\Scripts\activate yolo8

5. 安装 pytorch (包名为 torch)

# 如果有 N卡 GPU
conda install pytorch torchvision -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 cpuonly -c pytorch

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
myEnv\Scripts\yolov8n.pt 
myEnv\Scripts\yolov8s.pt

# 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 .