个人操作经验总结
1、YOLO的环境配置
github
不论base环境版本如何，建议在conda的虚拟环境中安装
1.1、创建虚拟环境
conda create -n yolov8-face python=3.9
·conda create ：创建conda虚拟环境，
·-n ：给虚拟环境命名的参数
·yolov8-face ：新建的虚拟环境叫做 yolov8-face
python=3.9 ：指定安装的python版本
安装完成后进入yolov8-face虚拟环境
进入新建的虚拟环境
conda activate yolov8-face
查看虚拟环境列表
conda info --envs
1.2、安装torch【参考链接:最简单的一文安装Pytorch+CUDA】
CPU版本torch安装
pip install torch torchvision torchaudio -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple
GPU版本（需要配置CUDA）
在配置好CUDA版本为12.4，安装torch
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
下载完torch之后，会提示一个numpy安装错误，此时需要重新下载一下numpy
pip install numpy
测试GPU版本torch是否可用
import torch
torch.cuda.is_available()
返回True表示安装成功，如果返回False，那就下去沉淀沉淀，反思反思CUDA安装问题。
在代码测试中，发现GPT版本的Pytorch安装后，torchvision出现cpu版本问题。需要卸载重新安装
pip uninstall torchvision
卸载后重新安装
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
1.3、Ultralytics YOLOv8安装
Ultralytics YOLOv8 是由 Ultralytics 开发的一个前沿的 SOTA 模型。它在以前成功的 YOLO 版本基础上，引入了新的功能和改进，进一步提升了其性能和灵活性。YOLOv8 基于快速、准确和易于使用的设计理念，使其成为广泛的目标检测、图像分割和图像分类任务的绝佳选择。
Ultralytics库包含YOLOv8的完整实现和所需的依赖。
pip install ultralytics
2、模型下载
权重来自HuggingFace，有能力可以参考一下：arnabdhar/YOLOv8-Face-Detection
整体代码运行如下：
运行结果在result文件下
