YOLOv8环境配置

目录

• 一、下载YOLOv8代码
• 二、创建conda虚拟环境
• • [1、打开conda窗口 进入到安装的YOLOv8界面](#1、打开conda窗口 进入到安装的YOLOv8界面)
  • [2、 创建新的虚拟环境](#2、 创建新的虚拟环境)
• 三、配置环境
• 四、下载训练模型
• 五、YOLO项目的整体架构图

一、下载YOLOv8代码

这里提供两个下载方式一个GitHub上下载，一个是Gitee上下载。

GitHub下载路径：GitHub下载地址

Gitee下载地址：Gitee下载地址

推荐使用Gitee的方式进行下载，这种方式更加的迅速。

二、创建conda虚拟环境

1、打开conda窗口 进入到安装的YOLOv8界面

如果没有安装conda可以搜索一下conda配置教程，按照流程安装好conda，还要下载好符合自己电脑版本的CUDA 后续会用，这里默认是安装conda环境是没有问题的。

进入自己安装好的YOLOV8的环境中去

2、 创建新的虚拟环境

conda create -n yolov8 python==3.8

是否安装环境所需基础包，输入y安装即可，安装完成如下图

输入下面命令查看是否创建成功

 conda env list 

激活进入环境

conda activate yolov8

激活成功后，前面的base会替换成yolov8

三、配置环境

首先先把pip的源换到国内aliyun镜像，下载速度提高很多

pip config set install.trusted-host mirrors.aliyun.com

安装版本必要安装包

pip install ultralytics

四、下载训练模型

推荐yolov8s.pt或者yolov8n.pt，模型小，下载快，在gitee或者github下方readme里面，下载完成后，将模型放在主文件夹下，

yolov8s.pt下载地址：yolov8s.pt

yolov8n.pt下载地址：yolov8n.pt

YOLOv8 可以在命令行界面（CLI）中直接使用，使用yolov8自带经典图片进行测试：

首先cd进入yolov8主文件夹下，运行下面命令

无显卡驱动
yolo predict model=yolov8n.pt source='ultralytics/assets/bus.jpg' device=cpu

有显卡驱动(看扩展的部分，安装gpu版本torch才能运行)
yolo predict model=yolov8n.pt source='ultralytics/assets/bus.jpg' device=0

结果保存在runs\detect\中，你们的看Results saved to 存放地址，结果如下图

五、YOLO项目的整体架构图

将YOLO框架放到Pycharm中，可以看到其中有哪些内容

存储运行结果的位置