【yolov8】從0開始搭建部署YOLOv8相嵌,環(huán)境安裝+推理+自定義數(shù)據(jù)集搭建與訓練挽荠,一小時掌握

〇、詳細視頻教程

bilibili詳細視頻教程

一平绩、(ultralytic)YOLOV8項目部署

github鏈接:https://github.com/ultralytics/ultralytics

git拉取項目:
git clone https://github.com/ultralytics/ultralytics.git

二圈匆、cuda、cudnn捏雌、Pytorch等環(huán)境安裝與卸載

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

然后查看N卡系統(tǒng)支持最高的版本
然后權(quán)衡下載支持最高版本的CUDA和cuDNN

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

配置對應的環(huán)境變量

nvcc -V:查看版本CUDA

安裝項目依賴

pip install -e ultralytics
pip install ultralytics
pip install yolo

卸載項目依賴為你安裝CPU版本pytorch跃赚,打開pytorch官網(wǎng),使用對應命令下載GPU版本

三性湿、YOLOV8的簡單講解與推理使用

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

四纬傲、如何制作自定義數(shù)據(jù)集并訓練

1.自定義數(shù)據(jù)集結(jié)構(gòu)講解與制作

數(shù)據(jù)結(jié)構(gòu):
datasets
├─ data.yaml
├─ test
│ ├─ images
│ │ └─ ······
│ └─ labels
│ └─ ······
├─ train
│ ├─ images
│ │ └─ ······
│ └─ labels
│ └─ ······
├─ valid
│ ├─ images
│ │ └─ ······
│ └─ labels
│ └─ ······
├─ data.yaml
└─ yolov8n.yaml

2.YOLO CLI的簡單介紹

3.如何中斷續(xù)訓

中斷續(xù)訓示例:
yolo task=detect mode=train model=runs/detect/train12/weights/last.pt epochs=500 imgsz=640 resume=True workers=2

其他:

cmd切換到對應的虛擬環(huán)境

conda info -e
activate ultralytics

test.py代碼(查看pytorch是否支持GPU):

#輸入庫
import torch
#查看版本
print(torch.__version__)
#查看gpu是否可用
print(torch.cuda.is_available())
#返回設(shè)備gpu個數(shù)
print(torch.cuda.device_count())
# 查看對應CUDA的版本號
print(torch.backends.cudnn.version())
print(torch.version.cuda)
#退出python
quit()

按比例移動制作自定義數(shù)據(jù)集代碼:

import os
import random
from tqdm import tqdm

# 指定 images 文件夾路徑
image_dir = "D:/zm/coco128/images"
# 指定 labels 文件夾路徑
label_dir = "D:/zm/coco128/labels"

# 創(chuàng)建一個空列表來存儲有效圖片的路徑
valid_images = []
# 創(chuàng)建一個空列表來存儲有效 label 的路徑
valid_labels = []

# 遍歷 images 文件夾下的所有圖片
for image_name in os.listdir(image_dir):
    # 獲取圖片的完整路徑
    image_path = os.path.join(image_dir, image_name)
    # 獲取圖片文件的擴展名
    ext = os.path.splitext(image_name)[-1]
    # 根據(jù)擴展名替換成對應的 label 文件名
    label_name = image_name.replace(ext, ".txt")
    # 獲取對應 label 的完整路徑
    label_path = os.path.join(label_dir, label_name)
    # 判斷 label 是否存在
    if not os.path.exists(label_path):
        # 刪除圖片
        os.remove(image_path)
        print("deleted:", image_path)
    else:
        # 將圖片路徑添加到列表中
        valid_images.append(image_path)
        # 將label路徑添加到列表中
        valid_labels.append(label_path)
        # print("valid:", image_path, label_path)

# 遍歷每個有效圖片路徑
for i in tqdm(range(len(valid_images))):
    image_path = valid_images[i]
    label_path = valid_labels[i]
    # 隨機生成一個概率
    r = random.random()
    # 判斷圖片應該移動到哪個文件夾
    # train:valid:test = 7:3:1
    if r < 0.1:
        # 移動到 test 文件夾
        destination = "D:/sj/project/python/ultralytics/datasets/test"
    elif r < 0.2:
        # 移動到 valid 文件夾
        destination = "D:/sj/project/python/ultralytics/datasets/valid"
    else:
        # 移動到 train 文件夾
        destination = "D:/sj/project/python/ultralytics/datasets/train"

    # 生成目標文件夾中圖片的新路徑
    image_destination_path = os.path.join(destination, "images", os.path.basename(image_path))
    # 移動圖片到目標文件夾
    os.rename(image_path, image_destination_path)
    # 生成目標文件夾中 label 的新路徑
    label_destination_path = os.path.join(destination, "labels", os.path.basename(label_path))
    # 移動 label 到目標文件夾
    os.rename(label_path, label_destination_path)

print("valid images:", valid_images)
#輸出有效label路徑列表
print("valid labels:", valid_labels)

參考:

Ultralytics YOLOv8 Docs(官方的說明文檔)
Windows10系統(tǒng)pytorch、cuda11.0肤频、cuDNN安裝
cuda 和 cudnn 庫的卸載與安裝 - 知乎
Pytorch環(huán)境詳細安裝教程【W(wǎng)in10+CUDA升級11.6+cudNN+Anaconda3虛擬環(huán)境+pycharm】

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末叹括,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子宵荒,更是在濱河造成了極大的恐慌汁雷,老刑警劉巖,帶你破解...
    沈念sama閱讀 217,185評論 6 503
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件报咳,死亡現(xiàn)場離奇詭異侠讯,居然都是意外死亡,警方通過查閱死者的電腦和手機暑刃,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,652評論 3 393
  • 文/潘曉璐 我一進店門厢漩,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人岩臣,你說我怎么就攤上這事溜嗜。” “怎么了架谎?”我有些...
    開封第一講書人閱讀 163,524評論 0 353
  • 文/不壞的土叔 我叫張陵炸宵,是天一觀的道長。 經(jīng)常有香客問我狐树,道長焙压,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,339評論 1 293
  • 正文 為了忘掉前任抑钟,我火速辦了婚禮涯曲,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘在塔。我一直安慰自己幻件,他們只是感情好,可當我...
    茶點故事閱讀 67,387評論 6 391
  • 文/花漫 我一把揭開白布蛔溃。 她就那樣靜靜地躺著绰沥,像睡著了一般。 火紅的嫁衣襯著肌膚如雪贺待。 梳的紋絲不亂的頭發(fā)上徽曲,一...
    開封第一講書人閱讀 51,287評論 1 301
  • 那天,我揣著相機與錄音麸塞,去河邊找鬼秃臣。 笑死,一個胖子當著我的面吹牛哪工,可吹牛的內(nèi)容都是我干的奥此。 我是一名探鬼主播,決...
    沈念sama閱讀 40,130評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼雁比,長吁一口氣:“原來是場噩夢啊……” “哼稚虎!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起偎捎,我...
    開封第一講書人閱讀 38,985評論 0 275
  • 序言:老撾萬榮一對情侶失蹤蠢终,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后茴她,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體蜕径,經(jīng)...
    沈念sama閱讀 45,420評論 1 313
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,617評論 3 334
  • 正文 我和宋清朗相戀三年败京,在試婚紗的時候發(fā)現(xiàn)自己被綠了兜喻。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 39,779評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡赡麦,死狀恐怖朴皆,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情泛粹,我是刑警寧澤遂铡,帶...
    沈念sama閱讀 35,477評論 5 345
  • 正文 年R本政府宣布,位于F島的核電站晶姊,受9級特大地震影響扒接,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,088評論 3 328
  • 文/蒙蒙 一钾怔、第九天 我趴在偏房一處隱蔽的房頂上張望碱呼。 院中可真熱鬧,春花似錦宗侦、人聲如沸愚臀。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,716評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽姑裂。三九已至,卻和暖如春男旗,著一層夾襖步出監(jiān)牢的瞬間舶斧,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,857評論 1 269
  • 我被黑心中介騙來泰國打工察皇, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留茴厉,地道東北人。 一個月前我還...
    沈念sama閱讀 47,876評論 2 370
  • 正文 我出身青樓让网,卻偏偏與公主長得像呀忧,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子溃睹,可洞房花燭夜當晚...
    茶點故事閱讀 44,700評論 2 354

推薦閱讀更多精彩內(nèi)容