admin管理员组文章数量:1607047
win10下亲测有效!(如果想在tensorrt+cuda下部署yolov8,直接看第五5章)
yolov8 官方仓库: https://github/ultralytics/ultralytics
目录
一、win10下创建yolov8环境
二、推理图像、视频、摄像头
2.1 推理图片
2.2 推理视频
2.3 推理摄像头
三、训练
3.1 快速训练coco128数据集
3.2 预测
四、导出onnx
五、yolov8的tensorrt部署加速
附录:
一、win10下创建yolov8环境
# 注:python其他版本在win10下,可能有坑,我已经替你踩坑了,这里python3.9亲测有效
conda create -n yolov8 python=3.9 -y
conda activate yolov8
pip install ultralytics -i https://pypi.tuna.tsinghua.edu/simple
二、推理图像、视频、摄像头
模型下载地址:
# download offical weights(".pt" file)
https://github/ultralytics/assets/releases/download/v0.0.0/yolov8n.pt
https://github/ultralytics/assets/releases/download/v0.0.0/yolov8s.pt
https://github/ultralytics/assets/releases/download/v0.0.0/yolov8m.pt
https://github/ultralytics/assets/releases/download/v0.0.0/yolov8l.pt
https://github/ultralytics/assets/releases/download/v0.0.0/yolov8x.pt
https://github/ultralytics/assets/releases/download/v0.0.0/yolov8x6.pt
这里下载yolov8n,使用该模型推理图片,原图如下图:
我们将图像和yolov8n.pt放到路径:d:/Data/
2.1 推理图片
yolo mode=predict model="d:/Data/yolov8n.pt" source="d:/Data/6406407.jpg" save show
效果图默认保存在路径:ultralytics\runs\detect\predict,效果如下:
2.2 推理视频
直接把source改成视频文件路径即可,命令如下:
yolo mode=predict model="d:/Data/yolov8n.pt" source="d:/Data/people.mp4" save show
bash窗口打印如下:
2.3 推理摄像头
指令如下:
yolo mode=predict model="d:/Data/yolov8n.pt" source=0 show
三、训练
3.1 快速训练coco128数据集
在win10下,创建路径:D:\CodePython\yolov8,将这个5Mb的数据集下载并解压在目录,
coco128数据集下载地址(别担心,免费白嫖):文件分享
如下图:
新建train.py文件,代码如下:
from ultralytics import YOLO
# Load a model
# yaml会自动下载
model = YOLO("yolov8n.yaml") # build a new model from scratch
model = YOLO("d:/Data/yolov8n.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="coco128.yaml", epochs=100, imgsz=640)
训练指令:
python train.py
如下图训练状态:
3.2 预测
新建predict.py文件,代码如下:
from ultralytics import YOLO
# Load a model
model = YOLO("d:/Data/yolov8n.pt") # load an official model
# Predict with the model
results = model("d:/Data/6406407.jpg", save=True) # predict on an image
预测指令:
python predict.py
如下图预测窗口打印,图片默认保存在: D:\CodePython\ultralytics\runs\detect\predict
四、导出onnx
pip install onnx
yolo mode=export model="d:/Data/yolov8n.pt" format=onnx dynamic=True opset=12
五、yolov8的tensorrt部署加速
《YOLOV8部署保姆教程》
https://blog.csdn/m0_72734364/article/details/128758544?spm=1001.2014.3001.5501
TensorRT-Alpha基于tensorrt+cuda c++实现模型end2end的gpu加速,支持win10、linux,在2023年已经更新模型:YOLOv8, YOLOv7, YOLOv6, YOLOv5, YOLOv4, YOLOv3, YOLOX, YOLOR,pphumanseg,u2net,EfficientDet。
TensorRT-Alpha:https://github/FeiYull/TensorRT-Alpha
- TensorRT系列之 Windows10下yolov8 tensorrt模型加速部署
- https://blog.csdn/m0_72734364/article/details/128865904
- TensorRT系列教程之 Linux下 yolov8 tensorrt模型加速部署
- https://blog.csdn/m0_72734364/article/details/128758544
- TensorRT系列教程之 Linux下 yolov7 tensorrt模型加速部署
- https://blog.csdn/m0_72734364/article/details/128759430
- TensorRT系列教程之 Linux下 yolov6 tensorrt模型加速部署
- https://blog.csdn/m0_72734364/article/details/133771238
- TensorRT系列教程之 Linux下 yolov5 tensorrt模型加速部署
- https://blog.csdn/m0_72734364/article/details/133773842
- TensorRT系列教程之 Linux下 yolox tensorrt模型加速部署
- https://blog.csdn/m0_72734364/article/details/133851320
- TensorRT系列教程之 Linux下 u2net tensorrt模型加速部署
- https://blog.csdn/m0_72734364/article/details/133887663?spm=1001.2014.3001.5501
🚀快速看看yolov8n 在移动端RTX2070m(8G)的新能表现:
model | video resolution | model input size | GPU Memory-Usage | GPU-Util |
---|---|---|---|---|
yolov8n | 1920x1080 | 8x3x640x640 | 1093MiB/7982MiB | 14% |
下图是yolov8n的运行时间开销,单位是ms:
更多TensorRT-Alpha测试录像在B站视频:
B站:YOLOv8n
B站:YOLOv8s
附录:
更多训练指引,请看官方文档。
-
# 🔥 yolov8 官方仓库: https://github/ultralytics/ultralytics # 🔥 yolov8 官方中文教程:ultralytics/README.zh-CN.md at main · ultralytics/ultralytics · GitHub # 🔥 yolov8 官方训练指引: https://docs.ultralytics/reference/base_trainer/ # 🔥 yolov8 官方快速教程: https://docs.ultralytics/quickstart/
版权声明:本文标题:Win10环境下yolov8快速配置与测试 内容由热心网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:https://www.elefans.com/dongtai/1728518296a1161837.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。
发表评论