目录

1、安装yolov8的虚拟环境

（1）创建虚拟环境

（2）安装pytorch

​编辑

 2、下载yolov8模型

3、解压缩，解压后的文件

 4、将转换数据集（以口罩检测为准）

5、配置和执行

 6、验证

 7、测试

---

1、安装yolov8的虚拟环境

安装的过程可以参照参考资料【3】的视频。

步骤如下：

（1）创建虚拟环境

名字就定为yolov8，输入命令：

conda create -n yolov8 python=3.8 anaconda

（2）安装pytorch

打开pytorch官网：pytorch官网

检查电脑cuda版本，命令：

nvidia-smi

我的cuda版本是12.1.pytorch中选择pip安装，运行下图框中的命令执行。

 2、下载yolov8模型

 下载地址：yolov8

3、解压缩，解压后的文件

用vscode打开 

里面是一个安装文件。切换到yolov8的虚拟环境，然后执行安装，安装需要使用命令：

python setup.py install

 很快就会完成安装。

 4、将转换数据集（以口罩检测为准）

转换程序地址：数据转换程序

解压后的文件，里面有很多模块。数据转换在yolo文件夹下。

 选择yolo文件夹，里面只有三个文件，将这三个文件复制到yolov8的目录下。

 数据集：网上找的口罩数据集

数据处理比较简单，看B站视频就可以。

数据处理步骤：

（1）将图片复制到dataset\VOCdevkit\JPEGImages文件夹下

（2）将标签复制到dataset\VOCdevkit\Annotations文件夹下。

（3）找到xml2txt.py程序，修改下面的几项就可以了。

完成后会显示分类

 将这两个classes填写好data.yaml里面。

（4）执行split_data.py。

（5）打开data.yaml修改

 

5、配置和执行

配置default.yaml文件，根据需要进行配置。

  命令：

 yolo cfg=ultralytics\yolo\cfg\default.yaml

开始训练

 训练完成

 6、验证

验证的时候需要重新配置default.yaml

 model，使用train训练以后生成的pt文件。我用的是best.pt。

yolo cfg=路径

 7、测试

修改配置

 

 conf默认为0.25，改为0.6测试。source修改为保存test图片的路径。

运行，命令和train和val一样。

运行后的结果都保存在runs下面。

效果图：

 

有的还是没检测出来。

 参考资料：

【1】参考的博客：YOLOV8最强操作教程._魔鬼面具的博客-CSDN博客

【2】对应的视频：YOLOV8保姆级教学视频._哔哩哔哩_bilibili

【3】yolo环境安装：安装yolo环境