1.安裝anaconda?下載地址

https://www.anaconda.com/download

添加環(huán)境變量

默認(rèn)安裝后的路徑

C:\ProgramData\anaconda3?

C:\ProgramData\anaconda3\Scripts?

C:\ProgramData\anaconda3\Library\bin

2.安裝cuda

可先用nvidia-smi命令查看自己顯卡最高支持的版本

https://developer.nvidia.com/cuda-toolkit-archive

選擇并安裝?CUDA Toolkit 11.8.0?(October 2022)

3.創(chuàng)建python環(huán)境?

安裝anaconda完后打開cmd執(zhí)行

創(chuàng)建一個(gè)名為yolo的環(huán)境

conda create -n?yolo?python==3.8

查看現(xiàn)有環(huán)境?

conda env list?

激活環(huán)境 （如果激活失敗就執(zhí)行conda init cmd.exe 然后關(guān)閉從新打開cmd再次執(zhí)行）

conda activate yolo

刪除環(huán)境命令

conda env remove -n yolo

4.安裝torch

打開https://pytorch.org/get-started/locally/

pip3 install torch torchvision torchaudio?--index-url https://download.pytorch.org/whl/cu118

或者使用

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

5.下載yolo源碼（這里也可以直接下載源碼使用vscode打開源碼進(jìn)行以下的環(huán)境安裝）

pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple

6.安裝onnx裝換

pip?install?onnx -ihttps://pypi.tuna.tsinghua.edu.cn/simple

pip install onnxsim -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install onnxruntime -i https://pypi.tuna.tsinghua.edu.cn/simple

7.測(cè)試

YOLOv8n下載地址

https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n-pose.pt

YOLOv8s下載地址

https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8s-pose.pt

選擇并下載一個(gè)推理模型

本機(jī)新建一個(gè)文件夾目錄,將推理模型（yolov8s.pt）放在里面，再放入一個(gè)圖片A.jpg

使用cmd打開這個(gè)目錄路徑,執(zhí)行

yolo predict model=yolov8s.pt?source=A.jpg

源碼報(bào)錯(cuò)處理：

cannot import name 'Callable' from 'collections'...

根據(jù)提示打開源碼文件..\anaconda3\Lib\site-packages\keyring\util\properties.py

把第一行的

from?collections?import?Callable

修改為

from?collections.abc?import?Callable

CryptographyDeprecationWarning: Blowfish has been deprecated

根據(jù)提示打開源碼文件..\anaconda3\Lib\site-packages\paramiko\transport.py:219

把這塊注釋掉：

# "blowfish-cbc": {

# ? ? "class": algorithms.Blowfish,

# ? ? "mode": modes.CBC,

# ? ? "block-size": 8,

# ? ? "key-size": 16,

# },

?No such command 'predict'

在根目錄下執(zhí)行

python setup.py install

=======================以下舊版教程 已過時(shí)==========

1.安裝python 下載地址（必備的環(huán)境）

https://www.python.org/getit/

2.下載VScode（我們用這個(gè)工具寫代碼）

https://code.visualstudio.com/

3.下載YOLOV5（筆者用的7.0）

https://github.com/ultralytics/yolov5

4.下載YOLOV5 模型（筆者用的yolov5s.pt）下載后可以放在yolov5根目錄里

https://github.com/ultralytics/yolov5/releases

5.添加Py環(huán)境變量（一般會(huì)自動(dòng)添加上，防止意外還是自己手動(dòng)添加一下）

如果是默認(rèn)安裝路徑的話參考這兩個(gè)地址，注意Python310是我自己起的python安裝文件目錄

C:\Users\vision\AppData\Local\Programs\Python\Python310\Scripts

C:\Users\vision\AppData\Local\Programs\Python\Python310

6.安裝依賴的庫(kù)

使用VScode打開YOLOV5源碼 安裝依賴庫(kù)

pip install -r requirements.txt ?# install

這個(gè)requirements.txt文件就在yolo5目錄里

===================================================

7.下載標(biāo)記工具LabelImg

https://github.com/heartexlabs/labelImg

8.收集要標(biāo)記的圖片、準(zhǔn)備標(biāo)記目錄、開始使用Labelimg標(biāo)記

建一個(gè)文件夾dataset，里面目錄結(jié)構(gòu)為：（筆者為了方便所以多建了一層目錄）

然后temp文件夾下 新建jwt.yaml文件

文件內(nèi)容如下：

# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]

train: ../datasets/temp/images/

val: ../datasets/temp/images/

# number of classes

nc: 7

# class names

names: ['body','head','car','JT1','JT2','JT4','JT6']

#======

#注意nc代表你有幾個(gè)標(biāo)記，names代表你的標(biāo)記name，上面的路徑是對(duì)應(yīng)你建立的images文件夾

下一步就把你的圖片放在images里?

VS打開labelimg源碼：修改里面的類別txt為你的標(biāo)記，然后執(zhí)行l(wèi)abelimg開啟工具開始標(biāo)記

打開目錄為你的images文件夾，改變存放目錄為旁邊的labels文件夾

注意選擇YOLO模式，快捷鍵W開始標(biāo)記,導(dǎo)航欄點(diǎn)擊查看把自動(dòng)保存、單一類別都勾上（如果你只想標(biāo)記一個(gè)類別的話），這樣方便你快速標(biāo)記，按D時(shí)進(jìn)行下一張。

都標(biāo)記完后我們就開始用YOLOV訓(xùn)練

9.開始對(duì)標(biāo)記好的數(shù)據(jù)集訓(xùn)練

訓(xùn)練的時(shí)候：需要兩個(gè)yaml文件

準(zhǔn)備好yolov8.yaml文件

yolov8.yaml文件在源碼的..\ultralytics-main\ultralytics\cfg\models\v8

記得修改標(biāo)記數(shù)量nc

準(zhǔn)備好jwt.yaml 可參考示例文件coco128.yaml

coco128.yaml文件在源碼的..ultralytics-main\ultralytics\cfg\datasets

可以復(fù)制過來(lái)后修改數(shù)據(jù)集所在路徑和標(biāo)記

然后訓(xùn)練指令：這兩個(gè)文件的路徑可以是全路徑

yolo detect train data=jwt.yaml model=yolov8s.yaml batch=-1 epochs=100 imgsz=640 resume=True

如果訓(xùn)練報(bào)錯(cuò)：

Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.

則刪掉或者重命名..\anaconda3\Library\bin下的libiomp5md.dll

最后

pt轉(zhuǎn)換onnx

yolo mode=export model=runs/detect/train/weights/best.pt format=onnx simplify=True

到此就訓(xùn)練完成 就可以使用pt或者onnx去調(diào)用使用了。

===============以下是舊版的，可以不看================

py train.py --img 600 --batch 50 --epochs 300 --data ../datasets/temp/jwt.yaml --weights yolov5s.pt?--cache --batch-size 8

yolo detect train data=../datasets/temp/jwt.yaml model=yolov8s.pt epochs=100 imgsz=600

說(shuō)明文檔：https://docs.ultralytics.com/usage/cli/

其中data就是你剛才標(biāo)記好的數(shù)據(jù)集所在路徑的那個(gè)yaml文件

model?可以指向你第4步下載好的模型yolov5s.pt

10.訓(xùn)練結(jié)束后

在train目錄下會(huì)有你的訓(xùn)練結(jié)果

然后你就可以拿著這個(gè)去用代碼調(diào)用啦

筆者用的python torch gpu調(diào)用的 速度很快

調(diào)用代碼參考：

device = torch.device("cuda") #GPU 模型

model = torch.hub.load('F:\CG_Work\CG2022\YOLO5\yolov5-7.0', 'custom', 'F:\CG_Work\CG2022\YOLO5\yolov5-7.0\pt\last.pt',source='local', force_reload=False) ?#模型位置

????????results = model(img) #圖像識(shí)別獲取結(jié)果

? ? ? ? xmins = results.pandas().xyxy[0]['xmin'] #方框左上角x

? ? ? ? ymins = results.pandas().xyxy[0]['ymin']?#方框左上角y

? ? ? ? xmaxs = results.pandas().xyxy[0]['xmax']?#方框右下角x

? ? ? ? ymaxs = results.pandas().xyxy[0]['ymax']?#方框右下角y

? ? ? ? class_list = results.pandas().xyxy[0]['class'] #標(biāo)記的分類索引

? ? ? ? confidences = results.pandas().xyxy[0]['confidence'] #識(shí)別權(quán)重