背景：
2023.08.09导师让调研transformer的相关论文，做CV的都知道transformer多么难跑，需要用8张GPU跑100多个小时，我这个小小实验室放不下这尊大佛，所以就找点小模型跑一跑，调研论文发现最新的是CO-DETR，ap精度60.0，但是也都很大，意外发现了百度paddle框架下的新论文RT-DETR，real time detr，性能比yolov8还好，ap精度54.8，虽然不如CO-DETR，但是比yolov8强，那就很有研究的必要了。
接下来开始我们的复现之路：

1.配置环境

1.

首先去官网下载yolov8的zip
https://github.com/ultralytics/ultralytics
存放在我的目录下G:\bsh\yolov8
然后使用conda创建新的环境

conda create -n yolov8 python=3.8
#然后激活环境
conda activate yolov8

然后安装pytorch，

 conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch

安装 ultralytics

pip install ultralytics

（然后我需要降低pillow的版本来适配我的pytorch，因为报错ImportError: DLL load failed while importing _imaging: 找不到指定的模块。：解决方法参考附录1，如果你们不需要请略过）

然后下载官网的权重文件：
https://github.com/ultralytics/assets/releases
这里我下载了一堆进行测试：

然后照一张图片进行测试，
可以参考官方文档
https://docs.ultralytics.com/modes/predict/#inference-arguments
自己照一张图片，放在G:\bsh\yolov8\datademo\bug.jpg里边

yolo detect predict model=weights/yolov8n.pt source=datademo\bus.jpg

运行结果如下图：

再拿一张自己随便拍的做测试，只能说种类越来越多了，之前yolov5那好像没有鼠标垫？

ps：
yolov8的框架比较晚上，也可以用文件夹来检测，检测目录设置成文件夹就行。遍历文件夹里的所有文件进行检测。

yolo detect predict model=weights/yolov8n.pt source=datademo

测了刚才一圈，这些模型，除了rtdetr的两个模型，都可以正常使用，
其中yolo_nas系列需要安装额外的库pip install super_gradients

为了使用rtdetr，我找了问题，应该是pytorch版本过低无法使用NonDynamicallyQuantizableLinear这个属性，起码要使用pytorch 1.9.0，但是1.9.0的不支持我的cuda 10.1了，都是10.2，我不敢升级cuda驱动，怕出问题，先下一个pytorch1.9.0试试吧

conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cudatoolkit=10.2 -c pytorch

这个版本我的电脑也可以，可是还报错，
TypeError: meshgrid() got an unexpected keyword argument ‘indexing’
我去网上搜，pytorch=1.10.1解决了，所以我在尝试升级一下

conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=10.2 -c pytorch

可以的，事实证明我的笔记本还能继续战斗！

附录1

1.pillow库报错

ImportError: DLL load failed while importing _imaging: 找不到指定的模块。
(yolov8) PS G:\bsh\yolov8> pip show pillow
Name: Pillow
Version: 9.3.0

看出，报错是因为pillow版本过高，直接安装8.0版本即可

pip install pillow==8.0