前言
做本文章前,我浏览过很多网上资料,我发现他们总是写的含糊不清,而且实际操作起来就会有各种各样的问题,要么就是根本不适合一些小白,所以我在这里写一篇完全针对小白的yolo从入门到实战。
看完本文章后大家都可以实现下图效果,数字识别是一种比较简单的检测任务,其他识别任务学完本例也能够一通百通,大家边做边学,更好的体会yolo的神奇之处。

step1 创建虚拟环境
前提是需要下载anaconda,然后才能用conda创建一个虚拟环境。后续进行的所有操作都要在该环境下进行,这是非常重要的!!!
打开Anaconda Prompt输入:
conda create -n yolov8 python=3.8
Procced([Y/y])的时候选择:y,下载相关的库函数。

step2 配置国内源
这里推荐使用:清华源
我们可以直接在虚拟环境内设置清华园成默认:
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

step3 pytorch安装
首先进入到pytorch官网:pytorch官网
为了避免不兼容,我们下载历史版本的pytorch,暂不使用最新版本的。

然后我们需要根据自己的电脑来选择相应版本的pytorch。
我们在终端输入:
nvidia-smi

可以看到我的这个电脑版本的显卡是11.6的所以我们在官网上下载一个更老的版本(为了防止无法训练)。

这个包有2.4G,让我们耐心等待一下吧。

终于下载好了!
step4 安装ultralytics(yolov8)
具体可以参考官方文档:ultralytics
这里我打开github里面的ultralytics下载:github yolov8,如果github打不开的小伙伴看这篇文章:解决github打不开问题。
下载后的ZIP文件我是直接解压到桌面上的。

之后在终端打开放在桌面上的ultralytic-main路径,之后输入:
pip install -e .
如果没有输入这个的话,后续修改代码无效。
等待完成后,输入:
pip list
如果里面有ultralytic则说明安装成功了。

step5 验证环境
在该路径下输入:
yolo predict model=yolov8n.pt source=ultralytics/assets/bus.jpg
用官方给的bus.jpg去检测一下。


我们可以发现出现的结果是:4个人、1辆公交还有一个信号牌子,检测的是非常准的。
到此我们就大工告成了。 找到runs\detect\predict可以看到检测后的图片。

step6 制作数据集
制作数据集先下载labelimg工具,对数据进行标记。
在终端输入:
pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple
然后输入:
labelimg
成功打开labelImg后就可以对数据进行标记了,具体标记方法就是框出你要识别的物体,非常简单。
导出的label格式类型选择yolo,然后文件怎么放不用过多在意,后面用脚本可以迅速分类~!
脚本代码如下:
import os
import random
import shutil
def copy_files(src_dir, dst_dir, filenames, extension):
os.makedirs(dst_dir, exist_ok=True)
missing_files = 0
for filename in filenames:
src_path = os.path.join(src_dir, filename + extension)
dst_path = os.path.join(dst_dir, filename + extension)
# Check if the file exists before copying
if os.path.exists(src_path):
shutil.copy(src_path<
1万+



被折叠的 条评论
为什么被折叠?



