此版本的可视化界面比较麻烦，需要安装gpu版的torch和torchvision包
（1）将可视化代码下载到本地文件夹中并解压；
（2）在终端激活yolov8的运行环境，可通过anaconda终端激活或pycharm终端进入。
任意一种方式进入终端后，依次运行以下三条命令进行依赖库安装
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install "PySide6-Fluent-Widgets[full]" -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install -U Pyside6 -i https://pypi.tuna.tsinghua.edu.cn/simple
（3）到pytorch官网https://pytorch.org/或镜像源https://download.pytorch.org/whl/torch_stable.html下载适合自己版本的torch和torchvision，然后进行本地安装
（4）将训练得到的best.pt文件放入YOLO-pyside6下的ptfiles文件夹中，并注意修改名称
对于目标检测模型，如果是v8版本，则修改为yolov8-××.pt,例如yolov8-test.pt、yolov8-fruit.pt等；
如果是v5版本，则修改为yolov5-××.pt,例如yolov5-test.pt、yolov5-fruit.pt等；
其他v7、v9同理。
（5）在pycharm中以项目打开“YOLO-pyside6”文件夹，选择运行环境为yolov8，运行YOLO-pyside6中的main.py程序，如下图
运行后将弹出如下界面
点击菜单图标，可修改输入源：图片、摄像头、文件夹、网络摄像头（监控）等
点击菜单中的设置选项，如下图
右方将弹出多个选项，可按需进行修改，一般就用到选择模型、Confidence（设置置信度阈值）、线宽、及自动保存
其中置信度阈值的含义：如果模型识别到某目标为某一类的概率低于这个阈值，则不显示检测，即不认为是此类目标。
（6）识别效果图如下
