YOLOv8 亲体验之 COCO128】手把手 Anaconda 的虚拟环境中通过 YOL...

ANUU

【YOLOv8 亲体验之 COCO128】手把手 Anaconda 的虚拟环境中通过 YOLOv8 训练 COCO128数据集有图有真相

有点尴尬的是第 77 张图片没有我们要的元素 哈哈哈，有图有真相，本文章从0开始去用yolov8训练COCO128数据集，大家学会了之后也可以去跑你们的数据集，看是否速度和准确度对比之前的模型有所上升！

                               
登录/注册后可看大图

为什么要 Anaconda 的虚拟环境中呢？主要是我们大家的 Ubuntu 装有了 Prometheus 或其他项目，所以为了预防一个不熟悉的新项目对原有环境的破坏 ，我们选择虚拟环境去安装它。同时一个全新的环境可以帮助我们更好了解这个新项目。

1、安装 Anaconda 和 PyCharm这个就不用多说了吧 两个软件都很成熟了 ，随便一搜就能找到的！imageimage2、创建虚拟环境

• 1. windows 下打开 Anaconda Prompt
  

• 2. 创建名为 yolov8 的虚拟环境：
  

1. conda create -n yolov8 python=<font color="#cb4b16">3.7</font>

复制代码

• 1. 查看 conda 中已创建的环境：
  

1. conda env <font color="#2aa198">list</font>

复制代码

• 1. 打开新建环境 yolov8：
  

1. conda activate yolov8

复制代码

3、安装 pytorch

• 1. 检查是否安装 pytorch：
  

在 yolov8 环境下输入：

1. python
   
2. <font color="#6c71c4">import</font> torch
   
3. <font color="#6c71c4">import</font> torchvision

复制代码

如果输出为 False 则要安装 pytorch

• 1. 检查 CUDA 版本：
  

在 windows 的 cmd 下输入：

nvidia-smi输出的第一行就能看见 CUDA 的版本，这里为 10.2

• 1. 安装 pytorch：
  版本要求推荐 pytorch==1.12.0+
  

CUDA 10.2

conda install pytorch1.12.1 torchvision0.13.1 torchaudio==0.12.1 cudatoolkit=10.2 -c pytorch

CUDA 11.3

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch

CUDA 11.6

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.6 -c pytorch -c conda-forgeCPU Onlyconda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cpuonly -c pytorch


4、下载 yolov8 源码


https://github.com/ultralytics/ultralytics





下载到电脑后解压5、设置 PyCharm
在 PyCharm 中新建项目，并打开源码的项目文件，并在 setting 中按照刚刚查看的 conda 环境来选择 python Interpreter(解释器):

最后在 pycharm 的终端 Terminal 中出现(yolov8)的前缀即成功

6、安装依赖

在 pycharm 终端 Terminal 中（代码目录下）安装依赖：

1. <div align="left"><font color="rgb(63, 63, 63)"><font face="-apple-system-font, BlinkMacSystemFont, " "=""></font></font></div>pip install -r requirements.txt -i <a href="https://pypi.tuna.tsinghua.edu.cn/simplepython" target="_blank">https://pypi.tuna.tsinghua.edu.cn/simplepython</a> setup.py install<font color="#000"><font face="" "="">setup.py</font></font>

复制代码

安装后会输出比较多的信息，主要看最后是否输出 Finished processing 即可



7、训练数据集
在下载后的项目文件夹中找到名为 default 的执行文件











和官方不同，这里可以选择直接在配置文件中更改参数，会更简单便捷
打开后如图所示：

在配置文件中，我修改了3个参数，分别是model（模型）、data（数据集）、workers（数据装载时cpu所使用的线程数），分别把它们来自内容根目录的路径复制粘贴到上面的配置文件中
这里使用的参数：

• 1. model：yolov8n.yaml
  路径复制方式如下图所示，把路径复制粘贴到执行文件中
  

• 2. data：coco128.yaml
  这里我先使用了官方的数据集，同样复制路径粘贴到执行文件中
• 3. workers：4
  这里我把workers改为了4个
  

改好参数后，保存执行文件，在Pycharm的Terminal终端下（即代码目录下），输入:

cfg-ultralytics/yolo/configs/default.yaml(后缀即为执行文件的路径）
一切就绪时，这时候就开始训练了：






历经4.25个小时，完成训练：













最后打开生成文件夹 训练好的图片放在其中了


、

ANUU

最后那张图片弄了好久都没弄上去 放弃了