技术标签: YOLO
目录
③pip install 和conda install的区别
到官网:
Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
双击exe——Next——I Argee——just me ——选择路径(建议自定义,不要安装到c盘,且安装路径不要出现中文)——两个勾都勾上,不然配置环境很麻烦——Install——接下来页面两个勾不选——fnish完成安装。
开始去找到这个
点开能进入命令框,输入python,可以看到python版本。print(“hi”)
首先搜索栏找到设备管理器——显示适配器——NVIDIA(有这个才可以,说明电脑有GPU独显,否则就是只有集成显卡Intel,如图所以,很多比如联想台式电脑就没有独显,那么跑深度学习就得有服务器)
在电脑上按键win+r——输入cmd——输入nvidia-smi
(1)理论上显卡越新越好,但是有的新的会不稳定,显示花屏等异常出现,所以不能一味追求新。而且太新了可能还没来得及出来对应的pytorch版本,就没法匹配。
(2)安装的驱动版本<=电脑上显示的(支持最高cuda版本号),如本台电脑是12.0,那么安装的必须<=12.0,不能大于它。
(3)如果显卡<=PTX2080,推荐安装cuda10.2+cudnn7.6.5,或者其他版本;
如果显卡>=PTX3050,则必须安装cuda>=11.0。
torch | torchvision | Python |
main/nightly | main/nightly | >=3.8,<=3.11 |
2.0 | 0.15 | >=3.8,<=3.11 |
1.13 | 0.14 | >=3.7.2,<=3.10 |
1.12 | 0.13 | >=3.7,<=3.10 |
1.11 | 0.12 | >=3.7,<=3.10 |
1.10 | 0.11 | >=3.6,<=3.9 |
1.9 | 0.10 | >=3.6,<=3.9 |
1.8 | 0.9 | >=3.6,<=3.9 |
1.7 | 0.8 | >=3.6,<=3.9 |
1.6 | 0.7 | >=3.6,<=3.8 |
1.5 | 0.6 | >=3.5,<=3.8 |
1.4 | 0.5 | >=3.8,<=3.11 |
1.3 | 0.4.2/0.4.3 | ==2.7,>=3.5,<=3.8 |
1.2 | 0.4.1 | ==2.7,>=3.5,<=3.7 |
1.1 | 0.3 | ==2.7,>=3.5,<=3.7 |
<=1.0 | 0.2 | ==2.7,>=3.5,<=3.7 |
conda create -n 自己起名字 python==
如:conda create -n yolov8 python==3.8.0
这里就可以写上python版本,不然默认使用anaconda自带的python版本。
创建完了可以输入命令查看,没创建前anaconda本身只有一个base。
接下来进入自己虚拟环境,前面base变成了自己的环境名称,就可以接下来在这个环境里为所欲为了,安装卸载,即使弄错了,去anaconda安装路径找envs文件夹,里面有你的虚拟环境可以整个复制或者删除。
(1475条消息) [pytorch]pytorch官方安装法_torch==1.13.1+cu117_FL1623863129的博客-程序员宅基地
pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html
慢慢等待下载,我这里用了清华源。接下来补充两个知识点:
conda ≈ pip(python包管理)+虚拟环境+非python依赖包管理
用conda下来接下来的包,这样的话下载一次,如果你其虚拟环境也要,他优先从上一目录找,如果有直接安装,就是说一次下载多次安装使用。
pip只能下载python包,而且下载安装到仅仅是当前环境,下次环境要用就得再下载。
下载包的时候优先推荐conda,不行再用pip。
删除用pip uninstall 包名 或者 conda uninstall 包名,效果一样,只删除当前环境下的包。
下载好只后可以输入命令pip list 查看:
GitHub - ultralytics/ultralytics: NEW - YOLOv8 in PyTorch > ONNX > OpenVINO > CoreML > TFLite
下面也有模型点击直接下载
新建一个weights文件夹,把下载的模型放进去。
cd /d 自己路径复制过来
pip install -r requirements.txt
如果安装不成功,可能和网络有关,重新执行,多安装几次就行。
也可以如下从镜像源下载安装。 直接输入 -i 源名,因为前面我设置了默认清华源,所以我直接安装。
pip install ultralytics
假如我们用yolov8s.pt来测试 :
yolo task=segment mode=predict model=wighte/yolov8s.pt source=ultralytics/assets/bus.jpg save=true
结果保存到了对应的文件夹下的runs\detect\predict
测试视频/摄像头/文件夹:(source=自己的绝对路径就行,照片也可以用绝对路径,我前面是相对路径)
#测试图片
yolo task=segment mode=predict model=wighte/yolov8s.pt source=ultralytics/assets/bus.jpg save=true
#测试视频
yolo task=segment mode=predict model=wighte/yolov8s.pt source=D:\car.mp4 show=true
#测试摄像头
yolo task=segment mode=predict model=wighte/yolov8s.pt source=0
#测试文件夹
yolo task=segment mode=predict model=wighte/yolov8s.pt source=D:\myimgs
Roboflow: Give your software the power to see objects in images and videohttps://roboflow.com/一个外网页,可以制作,很好用,但是因为是外网会卡。
Roboflow制作yolov8数据集_彩色面团儿的博客-程序员宅基地
这个网页可以直接就制作成yolov8需要的数据集格式;主要是有个功能不需要自己手动描边缘,有个类似于区域生长的按钮,自动描,可以试一下
conda activate yolov8
pip install labelme
polygons多边形做实例分割,保存的数据标签为json格式。
目标检测就是画一些框就行,不需要考虑边缘;而实例分割要边缘都描出来的。
(1476条消息) labelme制作自己数据集以及图片格式问题_labelme数据集格式_彩色面团儿的博客-程序员宅基地
(1)利用一个py脚本文件。 (json3txt.py)修改最后一行路径,在命令行如下图运行就行,或者用pycharm打开运行。
把labelme格式转化成yolov8支持的数据集格式-程序员宅基地
(2)需要自己在labelme先画好标签(做好数据集)
labelme-dogcat-test.zip - 蓝奏云 (lanzouw.com)
上面是一个标签文件,猫和狗的。框的,没有边缘,也能粗略做分割。
yolo task=segment mode=train model=mydata\yolov8s-seg.yaml data=mydata\coco128-seg.yaml epochs=100 batch=4(显卡内存大就设置大点好) save=true workers=4 device=0(第几个显卡) pretrained=true
上面其他三个images和labels和labels.txt是数据格式转化的时候生成的。
框起来的两个yaml是用yolov8s模型做的。如果要用其他版本可以对应找出来改。
其他的一些代码
这些里面没有权值,所以也不能用。就只能在命令行输入那种运行了。
yolo task=segment mode=train model=mydata\yolov8s-seg.yaml data=mydata\coco128-seg.yaml epochs=100 batch=4 save=true workers=1 device=0 pretrained=true
yolo task=segment mode=predict model=runs\segment\train\weights\best.pt source=D:\torch1\yolov8-ultralytics-main\mydata\ceshi\1.jpg save=true
1、到Anaconda Prompt 输入查看虚拟环境
conda env list
2、创建新的虚拟环境
conda create -n yolov8 python==3.8.0
3、激活虚拟环境
activate yolov8
4、安装pytorch框架
pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html
5、下载yolo模型
①去github官网新建标签页 (github.com)https://github.com/
②自己分享一个百度网盘,里面有模型代码+权重文件
链接:https://pan.baidu.com/s/1nK_L0Oi4PomadSXXyJttMA
提取码:dgri
6、安装相关依赖包
切换cmd路径到自己刚刚下载的yolo模型的文件夹路径
cd /d 自己路径复制过来
cd /d D:\yolov8-ultralytics-main
安装requirements.txt文件里依赖包
pip install -r requirements.txt
7、安装yolov8,它这里其实叫ultralytics
pip install ultralytics
8、测验成功与否
假如我们用yolov8s.pt来测试 :
yolo task=segment mode=predict model=wighte/yolov8s.pt source=ultralytics/assets/bus.jpg save=true
结果保存到了对应的文件夹下的runs\detect\predict。里面会有个测试好的图。
文章浏览阅读3.2k次。本文研究全球与中国市场分布式光纤传感器的发展现状及未来发展趋势,分别从生产和消费的角度分析分布式光纤传感器的主要生产地区、主要消费地区以及主要的生产商。重点分析全球与中国市场的主要厂商产品特点、产品规格、不同规格产品的价格、产量、产值及全球和中国市场主要生产商的市场份额。主要生产商包括:FISO TechnologiesBrugg KabelSensor HighwayOmnisensAFL GlobalQinetiQ GroupLockheed MartinOSENSA Innovati_预计2026年中国分布式传感器市场规模有多大
文章浏览阅读1.1k次,点赞2次,收藏12次。常用组合逻辑电路结构——为IC设计的延时估计铺垫学习目的:估计模块间的delay,确保写的代码的timing 综合能给到多少HZ,以满足需求!_基4布斯算法代码
文章浏览阅读3.3k次,点赞3次,收藏5次。OpenAI Manager助手(基于SpringBoot和Vue)_chatgpt网页版
文章浏览阅读2.2k次。USACO自1992年举办,到目前为止已经举办了27届,目的是为了帮助美国信息学国家队选拔IOI的队员,目前逐渐发展为全球热门的线上赛事,成为美国大学申请条件下,含金量相当高的官方竞赛。USACO的比赛成绩可以助力计算机专业留学,越来越多的学生进入了康奈尔,麻省理工,普林斯顿,哈佛和耶鲁等大学,这些同学的共同点是他们都参加了美国计算机科学竞赛(USACO),并且取得过非常好的成绩。适合参赛人群USACO适合国内在读学生有意向申请美国大学的或者想锻炼自己编程能力的同学,高三学生也可以参加12月的第_usaco可以多次提交吗
文章浏览阅读394次。1.1 存储程序1.2 创建存储过程1.3 创建自定义函数1.3.1 示例1.4 自定义函数和存储过程的区别1.5 变量的使用1.6 定义条件和处理程序1.6.1 定义条件1.6.1.1 示例1.6.2 定义处理程序1.6.2.1 示例1.7 光标的使用1.7.1 声明光标1.7.2 打开光标1.7.3 使用光标1.7.4 关闭光标1.8 流程控制的使用1.8.1 IF语句1.8.2 CASE语句1.8.3 LOOP语句1.8.4 LEAVE语句1.8.5 ITERATE语句1.8.6 REPEAT语句。_mysql自定义函数和存储过程
文章浏览阅读188次。半导体二极管——集成电路最小组成单元。_本征半导体电流为0
文章浏览阅读2.8k次,点赞3次,收藏18次。游戏水面特效实现方式太多。咱们这边介绍的是一最简单的UV动画(无顶点位移),整个mesh由4个顶点构成。实现了水面效果(左图),不动代码稍微修改下参数和贴图可以实现岩浆效果(右图)。有要思路是1,uv按时间去做正弦波移动2,在1的基础上加个凹凸图混合uv3,在1、2的基础上加个水流方向4,加上对雾效的支持,如没必要请自行删除雾效代码(把包含fog的几行代码删除)S..._unity 岩浆shader
文章浏览阅读5k次。广义线性模型是线性模型的扩展,它通过连接函数建立响应变量的数学期望值与线性组合的预测变量之间的关系。广义线性模型拟合的形式为:其中g(μY)是条件均值的函数(称为连接函数)。另外,你可放松Y为正态分布的假设,改为Y 服从指数分布族中的一种分布即可。设定好连接函数和概率分布后,便可以通过最大似然估计的多次迭代推导出各参数值。在大部分情况下,线性模型就可以通过一系列连续型或类别型预测变量来预测正态分布的响应变量的工作。但是,有时候我们要进行非正态因变量的分析,例如:(1)类别型.._广义线性回归模型
文章浏览阅读69次。环境保护、 保护地球、 校园环保、垃圾分类、绿色家园、等网站的设计与制作。 总结了一些学生网页制作的经验:一般的网页需要融入以下知识点:div+css布局、浮动、定位、高级css、表格、表单及验证、js轮播图、音频 视频 Flash的应用、ul li、下拉导航栏、鼠标划过效果等知识点,网页的风格主题也很全面:如爱好、风景、校园、美食、动漫、游戏、咖啡、音乐、家乡、电影、名人、商城以及个人主页等主题,学生、新手可参考下方页面的布局和设计和HTML源码(有用点赞△) 一套A+的网_垃圾分类网页设计目标怎么写
文章浏览阅读614次,点赞7次,收藏11次。之前找到一个修改 exe 中 DLL地址 的方法, 不太好使,虽然能正确启动, 但无法改变 exe 的工作目录,这就影响了.Net 中很多获取 exe 执行目录来拼接的地址 ( 相对路径 ),比如 wwwroot 和 代码中相对目录还有一些复制到目录的普通文件 等等,它们的地址都会指向原来 exe 的目录, 而不是自定义的 “lib” 目录,根本原因就是没有修改 exe 的工作目录这次来搞一个启动程序,把 .net 的所有东西都放在一个文件夹,在文件夹同级的目录制作一个 exe._.net dll 全局目录
文章浏览阅读1.5k次。本文为转载,原博客地址:http://blog.csdn.net/hujingshuang/article/details/46910259简介 BRIEF是2010年的一篇名为《BRIEF:Binary Robust Independent Elementary Features》的文章中提出,BRIEF是对已检测到的特征点进行描述,它是一种二进制编码的描述子,摈弃了利用区域灰度..._breif description calculation 特征点
文章浏览阅读4.1k次,点赞21次,收藏79次。本文是《基于SpringBoot的房屋租赁管理系统》的配套原创说明文档,可以给应届毕业生提供格式撰写参考,也可以给开发类似系统的朋友们提供功能业务设计思路。_基于spring boot的房屋租赁系统论文