当前位置: 首页 > news >正文

YOLOv8安装配置教程(Windows版)

YOLOv8安装配置教程(Windows版)


简介:最近由于选择了人工智能方向的专业选修课,课程需要安装配置YOLOv8,经过查阅各种资料后才发现,许多教程都比较老旧,并且文件位置也发生了变化,所以我总结了一套最新的安装配置教程以供大家参考

我在安装配置中遇到了许多问题,也统一写到教程中,希望能帮助到你

第一步:安装Anaconda

下载连接:Anaconda

安装YOLOv8并不强制要求下载Anaconda,但使用Anaconda或Miniconda可以帮助你轻松管理Python环境和依赖,他的下载方式特别简单,这里不再过多教学。


第二步:下载YOLOv8源码

github:yolov8
gitee:yolov8

不会使用科学上网的建议使用gitee下载,文件名称一般为ultralytics-main


第三步:创建conda虚拟环境

  1. 在开始菜单找到Anaconda3文件夹,打开其中的Anaconda prompt
    图片1-1
  2. 创建虚拟环境:
    运行如下命令:conda create -n yolov8 python=3.8
    图片1-2
    中途会询问你是否安装环境所需基础包,只需输入y即可
    图1-3

下载完成后可输入conda env list来查看是否创建成功
图片1-4

最后,我们要激活环境,输入命令conda activate yolov8即可
图1-2
前面的括号中会从(base)变为我们的(yolov8)


第四步:安装配置文件requirements.txt

  1. 首先需要找到这个requirements.txt配置文件的所在文件夹
    我们之前下载的YOLOv8源码的文件夹叫做ultralytics-main,通常他的位置是:...\ultralytics-main\yolov8
    但是如果你是并没有yolov8文件夹,可以寻找...\ultralytics-main\examples\YOLOv8-Action-Recognition
    图2-1
    找到配置文件复制其路径,在Anaconda prompt中cd进入该文件夹:
    先进入盘符再进入文件夹:
    E:
    cd dev\yolo\ultralytics-main\examples\YOLOv8-Action-Recognition
    图2-2
  2. 使用pip命令安装
    pip install -r requirements.txt
    如果你不会科学上网的话,建议使用国内镜像源,比如阿里或清华:
    pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
    再如果你的网络速度较慢的情况下,可以通过增加 pip 的超时时间来解决超时问题:
    pip install -r requirements.txt --timeout 120
    图2-3
  3. 安装完成配置文件后需要安装一下yolov8在python>=3.8版本必要安装包:
    执行命令:pip install ultralytics

到这里,我们的YOLOv8安装配置就基本完成了


第五步:下载训练模型

训练模型推荐yolov8s.pt或者yolov8n.pt,模型体积小,下载速度也快,这里以yolov8n.pt为例:
下载链接:yolov8n.pt
下载好后需要将他与requirements.txt配置文件放在一起:

图3-1

接着我们就可以使用图片进行测试,把想要测试人像识别的图片放在...\ultralytics-main\ultralytics\assets下,其也自带了两张可供测试的图片:

图3-2
然后只需要运行命令:yolo predict model=yolov8n.pt source="E:\\dev\\yolo\\ultralytics-main\\ultralytics\\assets\\111.jpg"
这里的图片名称以及路径需要替换成你的

运行完毕后就会得到运行结果:
图3-3
这里告诉你识别到三个person,并且执行结果保存到如下的文件夹中:
...\ultralytics-main\examples\YOLOv8-Action-Recognition\runs\detect\predict

找到这个文件夹就可以看到识别后的图像:
图3-4


这样我们就完成了最简单的YOLOv8的安装配置,并且进行了简单的测试使用

相关文章:

YOLOv8安装配置教程(Windows版)

YOLOv8安装配置教程(Windows版) 简介:最近由于选择了人工智能方向的专业选修课,课程需要安装配置YOLOv8,经过查阅各种资料后才发现,许多教程都比较老旧,并且文件位置也发生了变化,所…...

Linux的历史,版本,Linux的环境安装、简单学习4个基本的Linux指令等的介绍

文章目录 前言一、Linux的历史二、版本三、Linux的环境安装1. 腾讯云服务器的申请2. xshell的安装与使用 四、 简单学习4个基本的Linux指令1. ls2. pwd3. mkdir4. cd 总结 前言 Linux的历史,版本,Linux的环境安装、简单学习4个基本的Linux指令等的介绍 …...

【论文阅读】01-Survey on Temporal Knowledge Graph

原文名称:Survey on Temporal Knowledge Graph 1 Introduction 目前有两种方法:基于距离模型的嵌入变换方法和基于语义匹配模型的双线性模型。它们的思想都是将包含实体和关系的知识图谱嵌入到连续的低纬度实向量空间中 时间知识图的推理有两种,第一种是…...

【AIGC】InstructPixPix:基于文本引导的图像编辑技术

github:diffusers/examples/instruct_pix2pix/train_instruct_pix2pix_sdxl.py at main huggingface/diffusers GitHub 论文:https://arxiv.org/pdf/2211.09800 摘要 我们提出了一种从人类指令编辑图像的方法:给定一个输入图像和告诉模型做什么的书面…...

无人机动力系统设计之桨叶推力计算

无人机动力系统设计之桨叶推力计算 1. 源由2. 关键参数2.1 特性参数2.1.1 材质(Material)2.1.2 叶片数量(Number of Blades)2.1.3 重量(Weight)2.1.4 噪音水平(Noise Level) 2.2 安装…...

LabVIEW重构其他语言开发的旧系统

在面对一个运行已久、代码不清晰的项目时,如果该项目涉及复杂的通讯协议(如串口和488通讯),重新开发并优化成LabVIEW版本可以极大提升系统的易用性和维护性。为了确保通讯协议的顺利解析和移植,借助专业工具分析现有通…...

[晕事]今天做了件晕事43 python-byte串长度与转义字符

今天办了一件晕事,导致测试结果与预期不一致。 过程是,组装byte串的时候,整个字符串里有转义字符\x0d。 from scapy.all import IPv6, UDP pkt IPv6(src"2002:db8:a0b:12f0::157", dst"2002:db8:a0b:12f0::13")/UDP(sp…...

初识redis(String,Hash,List,Set,SortedSet)

认识NoSql sql关系型数据库 nosql非关系型数据库 nosql具有非结构化,Key/Value,Document,Draph 无关联的,非sql,BASE(原子性,持久性,一致性,隔离性) 认识r…...

Ton与ETH的一些独特的区别

文章目录 前言一、智能合约需要收取租金。二、从数据到大数据的转变三、智能合约不能运行其他合约的getter方法四、合约不是无法改变的五、Ton取消了无限制的数据结构六、钱包和地址具有独立性 前言 TON区块链是一个现代化的区块链,它为智能合约开发带来了一些全新…...

C++ | Leetcode C++题解之第396题旋转图像

题目&#xff1a; 题解&#xff1a; class Solution { public:int maxRotateFunction(vector<int>& nums) {int f 0, n nums.size();int numSum accumulate(nums.begin(), nums.end(), 0);for (int i 0; i < n; i) {f i * nums[i];}int res f;for (int i …...

前向渲染路径

1、前向渲染路径处理光照的方式 前向渲染路径中会将光源分为以下3种处理方式&#xff1a; 逐像素处理&#xff08;需要高等质量处理的光&#xff09;逐顶点处理&#xff08;需要中等质量处理的光&#xff09;球谐函数&#xff08;SH&#xff09;处理&#xff08;需要低等质量…...

Python画笔案例-040 绘制五角星顶圆

1、绘制五角星顶圆 通过 python 的turtle 库绘制五角星顶圆&#xff0c;如下图&#xff1a; 2、实现代码 绘制五角星顶圆&#xff0c;以下为实现代码&#xff1a; """五角星顶圆.py """ import turtledef draw_circle(d):turtle.left(90)for _ …...

【区块链 + 人才服务】可信教育区块链治理系统 | FISCO BCOS应用案例

伴随着区块链技术的不断完善&#xff0c;其在教育信息化中的应用也在持续发展。利用区块链数据共识、不可篡改的特性&#xff0c; 将与教育相关的数据要素在区块链上进行存证确权&#xff0c;在确保数据可信的前提下&#xff0c;促进教育的公平、透明、开放&#xff0c;为教育教…...

期货量化-群体优化算法:混合蛙跳算法(SFL)

1. 概述 混合蛙跳算法&#xff08;Shuffled Frog Leaping Algorithm, SFL&#xff09;由 M. Eusuff 等人在2003年提出。这一算法结合了模因算法与粒子群优化算法的原理&#xff0c;灵感来源于一群青蛙在觅食过程中的行为模式。 SFL 最初作为一种求解组合优化问题的元启发式方法…...

tensorflow-线性回归python入门

目录 读入库 构造数据 建立训练和测试数据 创建第一层到最后一层的神经网络 开始测试 sin函数回归 读入库 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt import time 构造数据 X np.array([0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, …...

VSCode学习笔记

1. 快捷键 KeyDescriptionPlatformF1打开命令面板&#xff08;Command Palette&#xff09;Win10Shift Delete剪切当前光标所在的代码行Win10 2. 文件 2.1 在文件列表中定位当前文件 操作路径&#xff1a;右键单击文件名 ⇒ 在右键菜单中点击 【Reveal in Explorer View】...

【Canvas与艺术】菊花孔雀螺旋

【成图】 【代码】 <!DOCTYPE html> <html lang"utf-8"> <meta http-equiv"Content-Type" content"text/html; charsetutf-8"/> <head><title>菊花孔雀螺旋</title><style type"text/css">…...

circuitjs 普通开关和按钮开关

circuitjs 各类开关中最基本的有 (普通)开关 和 按钮开关(瞬时开关). 添加 在菜单 “绘制–无源元件–添加开关” 下可以添加一个普通开关.在菜单 “绘制–无源元件–添加按钮开关” 下可以添加一个按钮开关. 两者在缺省外观上没有什么区别, 如上, 左边是普通开关, 右边是按钮…...

客户端绑定本地端口与服务器建立连接的详细实现

客户端绑定本地端口与服务器建立连接的详细实现 一、网络编程基础1.1 TCP/IP协议1.2 套接字(Socket)1.3 客户端与服务器模型二、客户端程序的设计2.1 需求分析2.2 流程设计三、具体代码实现3.1 伪代码3.2 C代码实现四、代码详解4.1 初始化套接字库4.2 创建套接字4.3 绑定本地…...

C++ std::bind函数用法

看一个例子解释用法&#xff1a; TcpServer类的构造函数中定义&#xff1a; acceptor_->setNewConnectionCallback(std::bind(&TcpServer::newConnection, this,std::placeholders::_1, std::placeholders::_2));// 有一个新的客户端的连接&#xff0c;acceptor会执行这…...

在四层代理中还原真实客户端ngx_stream_realip_module

一、模块原理与价值 PROXY Protocol 回溯 第三方负载均衡&#xff08;如 HAProxy、AWS NLB、阿里 SLB&#xff09;发起上游连接时&#xff0c;将真实客户端 IP/Port 写入 PROXY Protocol v1/v2 头。Stream 层接收到头部后&#xff0c;ngx_stream_realip_module 从中提取原始信息…...

Qwen3-Embedding-0.6B深度解析:多语言语义检索的轻量级利器

第一章 引言&#xff1a;语义表示的新时代挑战与Qwen3的破局之路 1.1 文本嵌入的核心价值与技术演进 在人工智能领域&#xff0c;文本嵌入技术如同连接自然语言与机器理解的“神经突触”——它将人类语言转化为计算机可计算的语义向量&#xff0c;支撑着搜索引擎、推荐系统、…...

新能源汽车智慧充电桩管理方案:新能源充电桩散热问题及消防安全监管方案

随着新能源汽车的快速普及&#xff0c;充电桩作为核心配套设施&#xff0c;其安全性与可靠性备受关注。然而&#xff0c;在高温、高负荷运行环境下&#xff0c;充电桩的散热问题与消防安全隐患日益凸显&#xff0c;成为制约行业发展的关键瓶颈。 如何通过智慧化管理手段优化散…...

智能仓储的未来:自动化、AI与数据分析如何重塑物流中心

当仓库学会“思考”&#xff0c;物流的终极形态正在诞生 想象这样的场景&#xff1a; 凌晨3点&#xff0c;某物流中心灯火通明却空无一人。AGV机器人集群根据实时订单动态规划路径&#xff1b;AI视觉系统在0.1秒内扫描包裹信息&#xff1b;数字孪生平台正模拟次日峰值流量压力…...

Go 并发编程基础:通道(Channel)的使用

在 Go 中&#xff0c;Channel 是 Goroutine 之间通信的核心机制。它提供了一个线程安全的通信方式&#xff0c;用于在多个 Goroutine 之间传递数据&#xff0c;从而实现高效的并发编程。 本章将介绍 Channel 的基本概念、用法、缓冲、关闭机制以及 select 的使用。 一、Channel…...

【C++特殊工具与技术】优化内存分配(一):C++中的内存分配

目录 一、C 内存的基本概念​ 1.1 内存的物理与逻辑结构​ 1.2 C 程序的内存区域划分​ 二、栈内存分配​ 2.1 栈内存的特点​ 2.2 栈内存分配示例​ 三、堆内存分配​ 3.1 new和delete操作符​ 4.2 内存泄漏与悬空指针问题​ 4.3 new和delete的重载​ 四、智能指针…...

Spring AI Chat Memory 实战指南:Local 与 JDBC 存储集成

一个面向 Java 开发者的 Sring-Ai 示例工程项目&#xff0c;该项目是一个 Spring AI 快速入门的样例工程项目&#xff0c;旨在通过一些小的案例展示 Spring AI 框架的核心功能和使用方法。 项目采用模块化设计&#xff0c;每个模块都专注于特定的功能领域&#xff0c;便于学习和…...

MyBatis中关于缓存的理解

MyBatis缓存 MyBatis系统当中默认定义两级缓存&#xff1a;一级缓存、二级缓存 默认情况下&#xff0c;只有一级缓存开启&#xff08;sqlSession级别的缓存&#xff09;二级缓存需要手动开启配置&#xff0c;需要局域namespace级别的缓存 一级缓存&#xff08;本地缓存&#…...

基于开源AI智能名片链动2 + 1模式S2B2C商城小程序的沉浸式体验营销研究

摘要&#xff1a;在消费市场竞争日益激烈的当下&#xff0c;传统体验营销方式存在诸多局限。本文聚焦开源AI智能名片链动2 1模式S2B2C商城小程序&#xff0c;探讨其在沉浸式体验营销中的应用。通过对比传统品鉴、工厂参观等初级体验方式&#xff0c;分析沉浸式体验的优势与价值…...

rm视觉学习1-自瞄部分

首先先感谢中南大学的开源&#xff0c;提供了很全面的思路&#xff0c;减少了很多基础性的开发研究 我看的阅读的是中南大学FYT战队开源视觉代码 链接&#xff1a;https://github.com/CSU-FYT-Vision/FYT2024_vision.git 1.框架&#xff1a; 代码框架结构&#xff1a;readme有…...