Yolo8 Windows环境搭建、训练、推理等

一、显卡驱动查看

nvidia-smi

‌可选操作：

1、yolo8代码下载（不会python的不用下载）
https://hub.nuaa.cf/ultralytics/ultralytics
https://github.com/ultralytics/ultralytics

2、cuda（python以外的语言推理时需要，训练不需要）
https://developer.nvidia.com/cuda-toolkit-archive
(可选)cudnn（python以外的语言推理时需要，训练不需要）
https://developer.nvidia.com/rdp/cudnn-archive

‌二、安装anaconda

Anaconda下载：https://www.anaconda.com/download

环境变量：

C:\anaconda路径\anaconda3
C:\anaconda路径\anaconda3\Scripts
C:\anaconda路径\anaconda3\Library\bin

‌三、创建python环境

conda create -n yolo python==3.10
查看现有环境
conda env list
激活环境
conda activate yolo
激活失败
conda init cmd.exe
删除环境
conda env remove -n yolo

‌四、Conda环境下安装库

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple
【省略】pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple（为了更简单的搭建，建议安装上一个，省略这个）
pip install onnx -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install onnxsim -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install onnxruntime -i https://pypi.tuna.tsinghua.edu.cn/simple

五‌、labelme标注与转换软件下载

测试用Yolo8默认模型进行推理测试：
yolo predict model=D:\Yolo8\yolov8n.pt source=D:\Yolo8\2.png
如果能正常返回图片的推理内容，则说明环境配置成功啦！

‌输出的推理图片路径：runs\detect\predict

六、训练模型和数据准备；

1、数据标注；
准备好需要标注的图片；放在IMG文件夹内；
打开labelme32Chinese.exe数据标注工具，然后选择存放图片的目录即可开始进行数据标注；

注意：标注数据的时候记得打开自动保存，这样更方便；数据标注完成后，会在IMG目录里保存跟图片名称一致的Json格式的文件；

到此，第一步就完成啦！

2、生成预训练格式的数据，并生成CMD训练格式的命令；
配套工具：
labelme转yolo8-v1.3.exe
yolov8n.pt
打开 labelme转yolo8-v1.3.exe 工具，界面如下图；

标注文件夹路径：存放标注数据的那个IMG文件夹，把文件夹拖放编辑框里即可获取到路径；

保存训练集路径：生成的训练集数据存放到那个文件夹，可以新建一个文件夹；

预训练权重PT文件：yolov8n.pt 文件，yolo默认的PT模型文件

其他根据自己的需要进行选择；

最后点击一键生成；

我们打开AA这个文件夹，软件已经自动帮我们把预训练的数据生成好了，我们只需要复制训练命令在CMD命令里就可以开始训练啦！

运行cmd的目录下需要包含yolov8n.pt文件,激活环境后,直接复制命令到cmd即可训练；
返回上一级目录，然后打开CMD
激活环境：conda activate yolo

‌

如图，代表Conda环境激活成功：

yolo detect train data=D:\Yolo8\Xunlian\AA\my.yaml model=D:\Yolo8\Xunlian\AA\yolov8n.yaml pretrained=D:\Yolo8\Xunlian\yolov8n.pt batch=-1 epochs=3000 imgsz=640 resume=True device=0 patience=50

复制生成的训练命令到CMD窗口，即可开始进行训练啦！如下图；

训练结束后，会生成模型，文件路径如下图；

pt转onnx:(请检查模型路径，易语言模块要调用ONNX格式的模型):
yolo mode=export model=runs/detect/train/weights/best.pt format=onnx simplify=True

命令执行完毕后，在模型输出目录里会增加一个onnx的模型文件，调用即可使用；

中断续训:(需勾选可否恢复训练,请检查模型路径,如路径正确但依然无法续训报错,只能重新训练)
yolo detect train data=D:\Yolo8\Xunlian\AA\my.yaml model=runs/detect/train/weights/last.pt batch=-1 epochs=3000 imgsz=640 resume=True device=0 patience=50