最近由于工程需要，研究學(xué)習(xí)了一下windows下如何配置pytorch和yolov8，并自己搜集數(shù)據(jù)進(jìn)行訓(xùn)練和預(yù)測，預(yù)測使用usb攝像頭進(jìn)行實時預(yù)測。在此記錄一下全過程

一、軟件安裝和配置

1. vscode安裝

windows平臺開發(fā)python，我采用vscode作為基礎(chǔ)開發(fā)平臺，點擊 https://code.visualstudio.com/進(jìn)入vscode官網(wǎng)，下載對應(yīng)的穩(wěn)定版本即可。
下載安裝完成后，在插件界面搜索 python，找到第一個即可安裝好python開發(fā)環(huán)境。
python我安裝的是3.10版本

2. miniconda3安裝

miniconda3可以用于配置pytorch的開發(fā)環(huán)境，https://docs.conda.io/en/latest/miniconda.html在官網(wǎng)下載對應(yīng)版本即可，我的是python3.10，windows64，所以下載的是如圖所示的安裝包

配置path變量：找到miniconda3安裝路徑，參照下圖設(shè)置環(huán)境變量

設(shè)置完成后，在開始菜單中找到Anaconda Prompt(miniconda3),打開。

1. 添加清華鏡像源，提高軟件下載速度

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config  --set show_channel_urls yes

2. 配置miniconda開發(fā)環(huán)境
   使用一下命令，創(chuàng)建一個pytorch虛擬環(huán)境

conda create -n pytorch python=3.10

-n 后面跟虛擬環(huán)境名稱
python=設(shè)置python版本

3. 通過以下命令激活虛擬環(huán)境

conda activate pytorch

之后，可以在該環(huán)境下配置pytorch

3. pytorch安裝

進(jìn)入pytorch官網(wǎng)https://pytorch.org/，查找對應(yīng)的下載命令，我的是windows、CPU、python版本，所以選擇如下圖所示配置

復(fù)制圖中對應(yīng)的安裝命令，即可安裝pytorch

conda install pytorch torchvision torchaudio cpuonly -c pytorch

注意，此命令在激活的pytorch環(huán)境下安裝

• 打開vscode，配置pytorch環(huán)境
  在vscode中輸入ctrl+shif+p打開命令行界面，輸入Python:Select Interpreter選擇python的開發(fā)編譯環(huán)境
  
  選擇Python 3.10.12(‘pytorch’)作為當(dāng)前環(huán)境即可
  
  新建test.py文件，輸入如下代碼，按F5執(zhí)行，若成功，則pytorch配置成功。

import torch
print(torch.__version__)
print(torch.cuda.is_available())

或者執(zhí)行

python test.py

4. yolov8安裝配置

在pytorch環(huán)境激活的情況下，使用一下命令安裝yolov8

pip install ultralytics

安裝完成后，通過命令進(jìn)行測試

yolo task=detect mode=predict model=yolov8n.pt  imgsz=640 show=True save=True

命令會自己到github下載對應(yīng)的測試數(shù)據(jù)bus.jpg和zidane.jpg兩張圖片 和默認(rèn)的權(quán)重文件yolov8n.pt

如果無法下載yolov8n.pt，可以自己下載后，復(fù)制到對應(yīng)的路徑下也可以。

D:\Install\miniconda3\envs\pytorch\Lib\site-packages\ultralytics\yolo\v8\detect

如果缺少環(huán)境，下載ultralytics源碼，執(zhí)行下面命令安裝依賴

pip install -r requirements.txt

二、yolov8自定義數(shù)據(jù)集

1. 數(shù)據(jù)采集，根據(jù)自己項目需要，采集場景圖片，圖像大小沒關(guān)系，后期yolo會根據(jù)配置，自動調(diào)整大小
2. 對數(shù)據(jù)進(jìn)行標(biāo)注
   安裝labelImg數(shù)據(jù)標(biāo)注工具，之后對數(shù)據(jù)進(jìn)行標(biāo)注
   
   1、打開標(biāo)注前圖像數(shù)據(jù)所在文件夾
   2、設(shè)置標(biāo)注后標(biāo)簽文件保存位置，該位置下僅保存txt類型的標(biāo)簽數(shù)據(jù)

類別 box中心x box中心y box寬  box高
0 0.044531 0.735417 0.023438 0.048611
0 0.084766 0.625694 0.025781 0.054167
0 0.154297 0.620833 0.022656 0.058333
0 0.275000 0.584028 0.037500 0.076389
0 0.289844 0.868750 0.034375 0.070833

3、數(shù)據(jù)分類
按照圖像、標(biāo)簽新建文件夾，并在每個文件夾下新建train和val文件夾，注意路徑中不能有中文，路徑如下所示


使用如下代碼，將原始圖像數(shù)據(jù)和標(biāo)注數(shù)據(jù)進(jìn)行分類

import sys,os
import shutil
imgPath = "F:/images/"
labelPath = "F:/data/Annotation"
yoloImagePath = "F:/data/images"
yoloLabelsPath = "F:/data/labels"

# labels = os.listdir(labelPath)
f=os.walk(labelPath)
#80%數(shù)據(jù)做訓(xùn)練，20%做矯正
persent=0.8
for dirpath,dirNames,filenames in f:
	trainNum = int(len(filenames)*persent)
	for i,filename in enumerate(filenames):
		name=filename.split('.')[0]
		if name=='classes':
			continue

		imgSrc=imgPath+name+".jpg"
		imgDst=''
		labelSrc=labelPath+"/"+filename
		labelDst=''
		# 訓(xùn)練數(shù)據(jù)
		if i<trainNum:
			imgDst = yoloImagePath+"/train"
			labelDst = yoloLabelsPath+"/train"
		else:
		    #矯正數(shù)據(jù)
			imgDst = yoloImagePath+"/val"
			labelDst = yoloLabelsPath+"/val"
		shutil.copy(imgSrc,imgDst)
		shutil.copy(labelSrc,labelDst)

4.新建配置文件.yaml，用于指定訓(xùn)練數(shù)據(jù)、驗證數(shù)據(jù)的路徑

#訓(xùn)練數(shù)據(jù)路徑
train: F:/data/images/train
#驗證數(shù)據(jù)路徑
val: F:/data/images/val
# number of classes
nc: 1
# class names
names: ['acupoint']

自此，自定義數(shù)據(jù)的搜集和標(biāo)注完成

三、自定義數(shù)據(jù)訓(xùn)練

接下來開始進(jìn)行訓(xùn)練，在開始菜單打開anaconda prompt(miniconda3)，使用conda activate pytorch后，使用以下命令

yolo task=detect mode=train model=yolov8n.pt data=F:/data/acupoint.yaml epochs=100 batch=16

task:指定運行的任務(wù)類型，有detect\segment\classify\init
mode:指定是train、predict、val
model：選擇配置值權(quán)重模型
data：指定.yaml所在位置，
epochs:迭代次數(shù)
batch:一次加載多少張圖片后更新權(quán)重
訓(xùn)練后，結(jié)果默認(rèn)保存在以下目錄中，

D:\Install\miniconda3\envs\pytorch\Lib\site-packages\ultralytics\yolo\v8\detect\runs\detect\train2

其中best.pt即為后續(xù)預(yù)測需要使用的模型文件

四、攝像頭數(shù)據(jù)預(yù)測

訓(xùn)練結(jié)束后，使用

yolo task=detect mode=predict model=./runs/detect/train2/weights/best.pt source=0 show=True save=True

打開攝像頭開始進(jìn)行預(yù)測，默認(rèn)圖像大小為480x640.
其中model:自定義數(shù)據(jù)訓(xùn)練的模型結(jié)果
source:指定預(yù)測數(shù)據(jù)，可以是圖片路徑或視頻路徑，0表示使用usb攝像頭0實時讀取數(shù)據(jù)
show:是否實時顯示結(jié)果
save：是否保存結(jié)果

以上是經(jīng)過幾天摸索，并經(jīng)過實踐驗證的，可以行的通。后續(xù)會接著研究如何使用代碼獲取預(yù)測結(jié)果。文章來源地址http://www.zghlxwxcb.cn/news/detail-563910.html

到了這里，關(guān)于windows下配置pytorch + yolov8+vscode，并自定義數(shù)據(jù)進(jìn)行訓(xùn)練、攝像頭實時預(yù)測的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！