我试图使用 Visual Code Studio 运行 YOLOv8。安装了 ultralytics 并在 vs code 终端上运行
yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'
但是我收到的输出是
2 persons, 1 bicycle, 5 cars, 10 motorcycles, 73 boats, 3 stop signs, 1 dog, 10 horses, 10 cows, 32 bears, 1 giraffe, 63 umbrellas, 6 handbags, 9 frisbees, 15 snowboards, 5 surfboards, 12 knifes, 5 beds, 37 dining tables
，这显然不是这张图片的一部分。
当我第一次安装 ultralytics 并尝试运行 torch 时，缺少一个依赖性错误。
fbgemm.ddl
丢失。后来当我安装 vs_BuildTools 时这个问题就解决了。然后我继续在虚拟环境中运行代码，其中使用 torch 的程序运行没有任何错误。然后我继续输入这段代码并遇到了这个问题。我还尝试使用命令提示符和 jupyter 笔记本运行，但同样的问题仍然存在。
我还检查了版本是否兼容，它们确实兼容。我还没有安装 cuda 是因为这个还是有其他我不知道的问题？请有人帮忙。
看起来你的 YOLOv8 模型没有正确加载或训练。 看到你收到荒谬的输出（32 只熊和 73 艘船？！），则该模型没有正确识别图像中的物体。
以下是一些可以解决此问题的步骤：
- 验证你的 YOLOv8 安装：
-
确保安装了最新版本的 Ultralytics：
bash pip install -U ultralytics -
重启你的终端或 IDE，以确保更新已正确加载。
-
指定预训练模型：
-
你使用的是
yolov8n.pt，它是一个预训练模型。但是，明确下载并指定它是一个好习惯。bash yolo detect model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg' -
这将从 Ultralytics 下载模型（如果尚未下载）并使用它进行预测。
-
考虑 GPU 支持（如果可用）：
- 虽然没有 CUDA 也能运行 YOLOv8，但使用 GPU 可以显著提高速度，尤其是在处理大量图像时。
-
如果你有兼容的 NVIDIA GPU，请安装 CUDA 和 cuDNN，然后重新安装 Ultralytics 以获得 GPU 加速。
-
测试不同的图像：
-
为了确保问题不是特定于图像的，请尝试使用 YOLOv8 提供的一些示例图像进行预测：
bash yolo detect model=yolov8n.pt source='https://github.com/ultralytics/yolov5/tree/master/data/images/zidane.jpg' -
检查你的虚拟环境：
- 确保你的虚拟环境已激活，并且 Ultralytics 和所有依赖项都安装在其中。
如果这些步骤都不起作用，请提供以下信息，以便我进一步帮助你： - 你的操作系统（Windows、macOS 或 Linux） - 你的 Python 版本 - 你的 Ultralytics 版本 - 完整的错误消息或日志（如果有）
标签：python,error-handling,yolo,yolov8 From： 78820748