創建python 環境

參考 https://zhuanlan.zhihu.com/p/570822583

1. 下載并安裝 miniconda 安裝包, 注意miniconda和 python 版本對應關系, 不要選擇python最新的版本, 以免yolo或pytorch不能兼容最新版python.
   這里到安裝到 C:\miniconda3
2. 配置 conda 環境, 修改conda配置文件內容, 文件名為 C:\Users\myuser\.condarc
   py 虛擬環境目錄應該安裝到C盤, 否則有后期模型訓練可能會報緩存不夠.

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - defaults
show_channel_urls: true
envs_dirs:
  - c:\miniconda_data\envs
pkgs_dirs:
  - c:\miniconda_data\pkgs

3. 創建虛擬環境 yolo8

## create env 
C:\miniconda3\Scripts\conda.exe create --name yolo8 python=3.9

## clone 已有的virtual env
conda create -n yolo8test --clone yolo8 

## list env 
conda env list 

新venv路徑為: environment location: D:\miniconda_data\envs\yolo8

4. 激活新的虛擬環境
   使用 powerShell無法完成激活, 可使用 cmd 或者 conda prompt 激活.
   注意激活命令在 miniconda 安裝路徑, 并不是在 virtual env 的scripts目錄下.

conda.exe activate yolo8

5. 安裝 pytorch (包名為 torch)
   安裝包, 需要先進入 virtual env 的scripts目錄下.

## 如果有 N卡 GPU
# 檢查N卡版本以及支持的cuda版本
# nvidia-smi
# 安裝 pytorch 
# conda install pytorch torchvision torchaudio cudatoolkit -c pytorch

# 如果沒有GPU, 安裝 cpu 版, 也可以跳過這步, install ultralytics 將自動安裝 pytorch CPU版
# conda install pytorch torchvision torchaudio cpuonly -c pytorch

# 安裝指定的 pytorch 版本
conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 cpuonly -c pytorch
# pip install torch==1.13.1+cpu torchvision==0.14.1+cpu torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cpu

驗證 Pytorch 是否是GPU版本:

import torch
torch.cuda.is_available()

6. 安裝 yolo8

.\pip install ultralytics

7. 驗證安裝

import ultralytics
ultralytics.checks()

認識 yolo 軟件的目錄結構

Script和工作目錄:

# yolo命令行
myEnv\Scripts\yolo.exe 

# 模型權重存放路徑, 執行該命令的pwd路徑, 所以這個路徑是不確定的. 
 # 如果yolo.exe 命令行中指定了預訓練權重文件, 第一次訓練時候將會自動下載模型文件, 我們最好是將 pretrained 模型文件手動下載到一個專門的目錄下, 比如 `myEnv\Scripts\`. 以后訓練都可直接指定該pt路徑, 避免再次下載.  pt文件下載路徑:  https://github.com/ultralytics/assets/releases 

# 數據集圖像的存放路徑
myEnv\Scripts\datasets

# training/predict結果存放路徑
myEnv\Scripts\runs

包目錄:

# yolov8 包安裝目錄
myEnv\site-packages\ultralytics\

# yolo 命令行的所有參數以及缺省值
myEnv\site-packages\ultralytics\cfg\default.yaml

# 數據定義yaml文件的默認存放路徑, 需要自定義數據集文件, 可以參考軟件包自帶的 coco8.yaml 格式
myEnv\site-packages\ultralytics\cfg\datasets\coco8.yaml

# object detection和 cls 模型結構定義文件
myEnv\site-packages\ultralytics\cfg\models\v8\yolov8.yaml
myEnv\site-packages\ultralytics\cfg\models\v8\yolov8-cls.yaml

需要說明的是, v8 軟件包雖然只帶有 yolov8.yaml 文件, 但我們可以傳類似 model=yolov8n.yaml, yolo 程序將基于 yolov8.yaml, 自動通過調整 yolov8.yaml 的 scale 為 n 或 s 或 m 或 l 或 x, 形成 yolov8n.yaml .