yolov8

还得是我000

前置条件（安装）：
        pycharm教程：https://blog.csdn.net/weixin_59047731/article/details/135634418
        pycharm下载：https://www.jetbrains.com/zh-cn/pycharm/download/other.html
        anaconda教程：https://blog.csdn.net/tqlisno1/article/details/108908775
        anaconda下载：https://www.anaconda.com/download/
注意：以下所有的命名包括目录不要出现中文！！！
注意：以下所有的命名包括目录不要出现中文！！！
注意：以下所有的命名包括目录不要出现中文！！！

1.使用anaconda创建虚拟环境
        注意：-n后面接环境名称 python=选择安装的版本，默认会在C:\Users\你的账户名\.conda\envs\环境名称，我这里的环境名为yolov8
        命令：conda create -n yolov8 python=3.8
        成功：#
                # To activate this environment, use
                #
                #     $ conda activate yolov8
                #
                # To deactivate an active environment, use
                #
                #     $ conda deactivate

2.切换虚拟环境
        注意：默认环境是base为root环境，切换到你创建的虚拟环境中，前面括号的名称会改变为你创建的虚拟环境名，我这里的环境名为yolov8
        命令：conda activate yolov8
        成功：在原来base的位置显示为你设置的环境名，我这里是显示yolov8

3.切换国内的镜像源
        注意：我这里是直接把源切换到清华镜像源并且设置为默认
        命令：pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
        成功：Writing to C:\Users\13151\AppData\Roaming\pip\pip.ini

4.查看电脑支持的cuda版本
        注意：这个地方不是让你装cuda，是查看cuda的版本
        命令：nvidia-smi
        成功：显示表格，在表格的右上角显示cuda版本（例如： CUDA Version: 11.0）
       
4.安装pytorch
        pytorch地址：https://pytorch.org/get-started/previous-versions/
        注意：如果显卡版本是gtx 16xx的话需要安装pytorch的cu102版本。如果显卡版本是gtx 30xx或40xx的话需要安装pytorch的cu111以上版本。我的电脑是16xx，所以我安装的102版本，但是在实际安装过程中发现torch==1.12.1我的电脑安装不了，所有只能安装torch==1.10.1这个版本
        命令：pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu102/torch_stable.html
        成功：pip安装成功提示

5.下载yolov8源码，三种方法
        第一种：直接下载github仓库
                yolov8仓库地址：https://github.com/ultralytics/ultralytics
                注意：这种方法用不了命令行CLI命令
        第二种：使用pip直接安装
                命令：pip install ultralytics
                成功：pip安装成功提示
                注意：此命令可以运行命令行CLI命令，但是无法修改源码
        第三中：使用pip源码安装
                注意：源码安装之前需要先cd到下载的源码目录，例如：cd f:/python/YOLOX/ultralytics-main
                命令：pip install -e.
                成功：pip安装成功提示
                注意：此命令可以运行命令行CLI命令，也可以修改源码

6.查看安装的包
        命令：pip list
        成功：显示所有安装的包

7.查看终端中是否激活环境变量
        激活：显示当前环境变量，例如：(yolov8) F:\python\YOLOX>。
        未激活：把anaconda3/scripts目录添加进系统path环境变量中，例如D:\anaconda3\Scripts 则把D:\anaconda3\Scripts添加进环境变量中

8.验证yolov8环境是否正确
        python代码：
                import ultralytics
                ultralytics.checks()
        成功：显示当前yolo版本，python版本，pytorch版本。后面括号中会显示当前是用的cpu还是GPU。例如Ultralytics YOLOv8.1.18

还得是我000

8.验证yolov8环境是否正确
        python代码：
                import ultralytics
                ultralytics.checks()
        成功：显示当前yolo版本，python版本，pytorch版本。后面括号中会显示当前是用的cpu还是GPU。例如Ultralytics YOLOv8.1.18

还得是我000

9.模型预测，两种方法
        第一种：命令行CLI命令
                命令：yolo detect predict model=./models/yolov8n.pt source='F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.jpg'
        第二种：python代码
                from ultralytics import YOLO
                yolo = YOLO("./models/yolov8n.pt",task="detect")
                result = yolo(source="F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.jpg")
        注意：我的电脑出现了C:\Users\13151\.conda\envs\yolov8\lib\site-packages\torchvision\io\image.py:11: UserWarning: Failed to load image Python extension: Could not find module 'C:\Users\13151\.conda\envs\yolov8\Lib\site-packages\torchvision\image.pyd' (or one of its dependencies). Try using the full path with constructor syntax.
  warn(f"Failed to load image Python extension: {e}")报错，但是不影响结果，目前不知道问题出现在哪！还有一点
        成功：image 1/1 F:\python\YOLOX\ultralytics-main\ultralytics\assets\bus.jpg: 640x480 4 persons, 1 bus, 1 stop sign, 10.0ms
                Speed: 10.0ms preprocess, 10.0ms inference, 48.9ms postprocess per image at shape (1, 3, 640, 480)
                Results saved to runs\detect\predict

还得是我000

还得是我000 发表于 2024-2-25 18:16
9.模型预测，两种方法
        第一种：命令行CLI命令
                命令：yolo detect predict model=./models/yolov8n.pt so ...

10.模型结果
        注意：模型会自动下载进./models中，例如F:/python/YOLOX/models，而不是F:/python/YOLOX/ultralytics-main/models中，也可以在模型预测之前先下栽好，在进行预测
        成功：会在./runs/detect/predict中，例如F:/python/YOLOX/runs/detect/predict/bus.jpg

11.推理方式
        第一种：检测图片
                例如：result = yolo(source="F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.jpg")
                        yolo detect predict model=./models/yolov8n.pt source='F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.jpg'
        第二种：检测视频
                例如：result = yolo(source="F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.mp4")
                        yolo detect predict model=./models/yolov8n.pt source='F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.mp4'
        第三种：检测桌面
                例如：result = yolo(source="screen")
                        yolo detect predict model=./models/yolov8n.pt source='screen'
        第四种：检测窗口
                注意：官方文档里没有对窗口的实时检测
                实现：使用opencv或pil库对窗口进行截图保存到目录，然后推理到模型中
                问题：使用这种方式没有办法达到实时的效果，因为需要先截图然后保存图片在推理，速度在2s左右（cpu推理）。你总不可能在客户电脑上安装pytorch的吧

还得是我000

还得是我000 发表于 2024-2-25 18:17
10.模型结果
        注意：模型会自动下载进./models中，例如F:/python/YOLOX/models，而不是F:/python/YOLOX/u ...

12.推理参数设置
        save：是否保存推理图片（默认会保存，保存目录就是第10步说的目录）
                例如：result = yolo(source="F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.jpg",save=flase)
        conf：推理分数（类似大漠的相似度）
                例如：result = yolo(source="F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.jpg",conf=0.9)

13.训练设置
        月饼训练集地址：https://download.csdn.net/download/weixin_43694096/87094367
        注意：数据标注请自行搜索教程，如果第一次可以网上找训练集。训练集需要放到datasets目录中，例如：F:/python/YOLOX/datasets/mooncake
        特别注意：如果未来自己创建数据集请按照月饼数据集的格式放到datasets目录中，如果没有datasets请自行创建，以及对应的yaml文件也需要自行创建
        yaml文件格式：月饼数据集例子
                train: F:\python\YOLOX\datasets\MoonCake_datasets\images\train
                val: F:\python\YOLOX\datasets\MoonCake_datasets\images\val

                names:
                  0: MoonCake

还得是我000

还得是我000 发表于 2024-2-25 18:17
12.推理参数设置
        save：是否保存推理图片（默认会保存，保存目录就是第10步说的目录）
                例如：result = ...

14.训练方式
        第一种：命令行CLI命令
                注意：命令行模式中workers=0如果报错，请使用workers=1。amp会禁止模型自动下载，从输入的model路劲中读取权重模型
                命令：yolo detect train data=F:/python/YOLOX/yaml/mooncake.yaml model=F:/python/YOLOX/models/yolov8n.pt workers=0 epochs=100 batch=8 amp=False
        第二种：python代码
                from ultralytics import YOLO
                model = YOLO(model="F:/python/YOLOX/models/yolov8n.pt")
                model.train(data="F:/python/YOLOX/yaml/mooncake.yaml", workers=0, epochs=5, batch=8, amp=False)

15.训练好的模型推理跟第9部一样
        注意：把model的路径改成你训料好的bast.pt的路径(bast.pt的路径会在你训练结束之后显示在终端)
        命令行CLI命令：
                yolo detect predict model=F:/python/YOLOX/ultralytics-main/runs/detect/train/weights/best.pt source='F:/python/YOLOX/datasets/MoonCake_datasets/images/val/Cake9.jpg'
        python代码：
                from ultralytics import YOLO
                yolo = YOLO("F:/python/YOLOX/ultralytics-main/runs/detect/train/weights/best.pt", task="detect")
                result = yolo(source="F:/python/YOLOX/datasets/MoonCake_datasets/images/val/Cake9.jpg")

还得是我000

还得是我000 发表于 2024-2-25 18:17
14.训练方式
        第一种：命令行CLI命令
                注意：命令行模式中workers=0如果报错，请使用workers=1。amp会禁 ...

16.保存模型
        命令行CLI命令：
                yolo export model=F:/python/YOLOX/ultralytics-main/runs/detect/train/weights/best.pt format=onnx
        python代码：
                from ultralytics import YOLO
                model = YOLO("F:/python/YOLOX/ultralytics-main/runs/detect/train/weights/best.pt")
                model.export(format='onnx')
        注意：导出的onnx模型自行改名

还得是我000

还得是我000 发表于 2024-2-25 18:17
16.保存模型
        命令行CLI命令：
                yolo export model=F:/python/YOLOX/ultralytics-main/runs/detect/trai ...

17.其他语言调用
        理论上说onnx是一个开源协议，只要能调用opencv的高级语言都可以调用。
        问题：终端（电脑，手机，手表，平板，树莓派，香橙派）上怎么实现调用模型？或者说能运行debian系统的终端是不是都可以推理模型？

还得是我000

还得是我000 发表于 2024-2-25 18:18
17.其他语言调用
        理论上说onnx是一个开源协议，只要能调用opencv的高级语言都可以调用。
        问题：终端（ ...

这是优化过的python推理代码
电脑配置：i5-10200H GTX1650 4G 内存8g
库：onnxruntime（cpu版本，DML加速），opencv，numnp，mss，pillow
功能：图片推理（速度29ms左右），摄像头推理（速度84ms左右），窗口推理（速度148ms左右）
问题：现在python直接运行的速度已经是极限了!python代码加了易语言TCP调用的程序，但是上面那些功能的速度都翻了3倍，图片推理（速度127ms左右），摄像头推理（速度435ms左右），窗口推理（速度340ms左右），现在的问题是可以转换成c++的代码吗？转换成c++代码速度会有提升吗？c++封装成com库让易语言调用速度又是多少？速度又应该怎么优化？？？
本人声明：1.上诉所有的速度是本人在电脑上循环1000测试出的最慢速度
                 （第5-20次是运行速度最快的）
                2.最快速度：图片推理 18ms，摄像头推理70ms，窗口推理89ms
                3.本人可以保证这些数据在我电脑上是真实存在的！！！

python源码地址：https://wwt.lanzn.com/iXyeS1pnq16d

补充内容 (2024-3-1 15:19):
网吧测试pubg 3080ti显卡 i9的十代，窗口推理速度8ms左右，游戏30分钟，最后5分钟的时候速度只有20ms左右，图片推理速度一样，一定要模型优化才行

Suiyuan

还得是我000 发表于 2024-2-25 18:17
10.模型结果
        注意：模型会自动下载进./models中，例如F:/python/YOLOX/models，而不是F:/python/YOLOX/u ...

直接打包exe 可以吗。这样客户也不用安装pytorch

一缕v阳光

谢谢了楼主

qq977352880

作者的技术和教学水平都很高，佩服！

qq977352880

作者一定花了不少时间和精力，感谢！

qq977352880

赞一个，这样的教程才是我们需要的。

1752328925

感谢分享，很给力！

1360892906

支持~！感谢分享~！

epwne

支持~！感谢分享~！