YOLO V8语义分割模型部署

语义分割模型部署"/>

YOLO V8语义分割模型部署

目录

1 配置pytorch环境

2 配置yolo环境

3 测试yoloV8的语义分割模型

1 配置pytorch环境

        我的电脑为Y9000P 4090，英伟达显卡驱动版本为525.105.17，驱动显示最高的cuda版本号为12.0，cuda版本为11.6，cudnn版本号为8.5.0。Anaconda3版本为22.9.0。如下：

        对于跑yolo来说，我们创建python3.8环境。

conda create -n yo python=3.8

        启动yo环境：

conda activate yo

        我的cuda是11.6，安装pytorch1.13.0并用pip加速。

pip install torch==1.13.0 torchvision==0.14.0 torchaudio==0.13.0 -i /

        安装成功，测试cuda是否可用：

(yo) liuhongwei@liuhongwei-Legion-Y9000P-IRX8H:~$ python
Python 3.8.18 | packaged by conda-forge | (default, Oct 10 2023, 15:44:36) 
[GCC 12.3.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.cud
torch.cuda                          torch.cudnn_convolution_relu(
torch.cudnn_affine_grid_generator(  torch.cudnn_convolution_transpose(
torch.cudnn_batch_norm(             torch.cudnn_grid_sampler(
torch.cudnn_convolution(            torch.cudnn_is_acceptable(
torch.cudnn_convolution_add_relu(   
>>> torch.cud
torch.cuda                          torch.cudnn_convolution_relu(
torch.cudnn_affine_grid_generator(  torch.cudnn_convolution_transpose(
torch.cudnn_batch_norm(             torch.cudnn_grid_sampler(
torch.cudnn_convolution(            torch.cudnn_is_acceptable(
torch.cudnn_convolution_add_relu(   
>>> torch.cuda.is_available()
True
>>> 

        这样就是成功的了。

2 配置yolo环境

        yoloV8环境及其好配置，只需输入一行命令即可安装所有所需依赖：

pip install ultralytics

        安装完成。

        从官网下载yolo：

yoloV8官网        或者直接克隆到桌面：

git clone .git

        下载预训练模型：在它的官方网站上有用作各种任务的预训练权重。

        我们下载目标检测和语义分割权重：

        将这些权重放到yoloV8目录下，创建权重文件夹weights，将权重放入其中：

        目录结构如下：

        至此，我们配置好了yoloV8，开始进行测试。

3 测试yoloV8的语义分割模型

        我们在网上随便下载一张图像：

yolo task=segment mode=predict model=weights/yolov8s-seg.pt source=0

        预测，可能会出错，不用慌，教程没有问题，是你的conda环境有问题，撞库了。

        fusedconv.weight.copy_(torch.mm(w_bn, w_conv).view(fusedconv.weight.shape))
RuntimeError: CUDA error: CUBLAS_STATUS_INVALID_VALUE when calling `cublasSgemm( handle, opa, opb, m, n, k, &alpha, a, lda, b, ldb, &beta, c, ldc)`

        解决办法：

        清空运行时库缓存：

unset LD_LIBRARY_PATH

        运行成功，我们把source换成我们自己的图像：

        成功