YOLO部署全过程

目录1部署YOLO的环境1.1下载py1.2创建虚拟环境1.3配置国内的源清华1.4安装pytorch1.5对YOLO进行源码安装2模型预测3总结1部署YOLO的环境1.1下载py第一步我们先打开清华的镜像网站去下载py版本推荐不要下载太新的环境本人下载的py38https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/win系统选择中间的那一个下载完成之后选择just me-尽量C盘-勾选add to PATH-install1.2创建虚拟环境在cmd命令框输入Anaconda prompt 并输入以下代码指定py3.8版本conda create -n yolov8 python3.8出现以下界面则下载完成再激活环境conda activate yolov81.3配置国内的源清华打开源的地址https://mirrors.tuna.tsinghua.edu.cn/help/pypi/copy第二条命令到Anaconda prompt里进行配置python -m pip install --upgrade pip pip config set global.index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple1.4安装pytorch打开pytorch的官网https://pytorch.org/get-started/previous-versions/?_gl1*19wffpj*_up*MQ..*_ga*MTgwMjI3OTIyOC4xNzc1NjIwMTA5*_ga_469Y0W5V62*czE3NzU2MjAxMDgkbzEkZzAkdDE3NzU2MjAxMDgkajYwJGwwJGgw那么我们选择哪个版本呢这取决于我们显卡的版本再Anaconda prompt里输入 nvidia-smi 在右上角可以看出CUDA version为13.1 则必须选择小于13.1的pytorch版本我选的以下的这个pytorch版本pip install torch1.13.1cu116 torchvision0.14.1cu116 torchaudio0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116如果成功则出现以下效果1.5对YOLO进行源码安装对YOLO进行源码安装先在github上下载ultralytics文件 将其解压在桌面再通过CD打开文件目录输入以下代码进行源码安装pip install -e.出现以下效果表示安装成功打开ultralytics文件添加一行打印代码在终端里面运行代码yolo predict modelyolov8n.pt sourceultralytics/assets/bus.jpg则会出现以下代码 发现打印出 code inject!!!并且模型识别出4person 1bus 1stop sign2模型预测选择什么模型 对什么进行检测from ultralytics import YOLO yolo YOLO(./yolov8n.pt, taskdetect) result yolo(source./ultralytics/assets/bus.jpg)在vscode里面的终端先激活yolo输入检测之后回车检查正确输出- 作用 对指定图片执行目标检测并返回检测结果。- 参数说明 - source 输入源此处为本地图片路径。- saveTrue 保存检测结果图片会在 runs/detect 目录生成带标注的图片。- conf0.05 设置置信度阈值只有置信度≥0.05的检测结果会被保留。运行效果如下 后面的小数就是conf值3总结YOLO 部署的核心是将训练好的.pt 格式模型根据目标运行环境如 Python 开发、跨平台、NVIDIA 显卡、Intel 设备等通过 ultralytics 工具导出为 ONNX、TensorRT、OpenVINO 等适配格式再编写对应推理代码实现对图片、视频或摄像头实时画面的目标检测同时可通过调整置信度、后处理等参数优化检测精度与运行速度最终完成从模型训练到实际应用的落地。