Win10环境下yolov8快速配置与测试

黄家驹beyond

已于 2023-11-06 17:58:24 修改

阅读量1.8w

点赞数 18

CC 4.0 BY-SA版权

分类专栏： TensorRT-Alpha YOLO 文章标签： YOLO 深度学习目标检测计算机视觉

于 2023-01-31 13:50:15 首次发布

本文链接：https://blog.csdn.net/m0_72734364/article/details/128815530

TensorRT-Alpha 同时被 2 个专栏收录

21 篇文章

订阅专栏

YOLO

7 篇文章

订阅专栏

本文详细介绍在Windows 10环境下搭建YOLOv8环境的过程，并提供了推理图像、视频及摄像头的方法。此外，还介绍了如何训练模型、导出ONNX模型以及使用TensorRT进行模型加速部署。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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.com/ultralytics/ultralytics

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.cn/simple

二、推理图像、视频、摄像头

模型下载地址：

# download offical weights(".pt" file)
https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n.pt
https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8s.pt
https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8m.pt
https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8l.pt
https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8x.pt
https://github.com/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.net/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.com/FeiYull/TensorRT-Alpha

TensorRT系列之 Windows10下yolov8 tensorrt模型加速部署
https://blog.csdn.net/m0_72734364/article/details/128865904

TensorRT系列教程之 Linux下 yolov8 tensorrt模型加速部署
https://blog.csdn.net/m0_72734364/article/details/128758544

TensorRT系列教程之 Linux下 yolov7 tensorrt模型加速部署
https://blog.csdn.net/m0_72734364/article/details/128759430

TensorRT系列教程之 Linux下 yolov6 tensorrt模型加速部署
https://blog.csdn.net/m0_72734364/article/details/133771238

TensorRT系列教程之 Linux下 yolov5 tensorrt模型加速部署
https://blog.csdn.net/m0_72734364/article/details/133773842

TensorRT系列教程之 Linux下 yolox tensorrt模型加速部署
https://blog.csdn.net/m0_72734364/article/details/133851320

TensorRT系列教程之 Linux下 u2net tensorrt模型加速部署
https://blog.csdn.net/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：

51ed467668e24b8c982008903733a6e2.jpeg#pic_center

更多TensorRT-Alpha测试录像在B站视频：
B站：YOLOv8n
B站：YOLOv8s

78afd19e93464dd8bf8c4d12cf129147.jpeg#pic_center

附录：

更多训练指引，请看官方文档。

# 🔥 yolov8 官方仓库: https://github.com/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.com/reference/base_trainer/
# 🔥 yolov8 官方快速教程: https://docs.ultralytics.com/quickstart/