一、尝鲜

Ultralytics YOLOv8是一种尖端的，最先进的(SOTA)模型，建立在以前的YOLO版本的成功基础上，并引入了新的功能和改进，以进一步提高性能和灵活性。YOLOv8旨在快速，准确，易于使用，使其成为广泛的目标检测和跟踪，实例分割，图像分类和姿态估计任务的绝佳选择。

在这里可以使用在COCO数据集上预训练的YOLOv8 Detect, Segment和Pose模型，以及在ImageNet数据集上预训练的YOLOv8 classified模型。跟踪模式可用于所有检测，分割和姿态模型。

自动驾驶中的人工智能：彻底改变道路安全

制造业中的人工智能：通过创新改造产业

在所有生产流程中使用人工智能的力量：从优化生产工作流程到加强质量控制和预测性维护。

医疗保健领域的人工智能：更智能、更健康的未来解决方案

二、YOLO:简史

YOLO(You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的约瑟夫-雷德蒙（Joseph Redmon）和阿里-法哈迪（Ali Farhadi）开发。YOLO 于 2015 年推出，因其高速度和高精确度而迅速受到欢迎。

2016 年发布的YOLOv2 通过纳入批量归一化、锚框和维度集群改进了原始模型。2018 年推出的YOLOv3 使用更高效的骨干网络、多锚和空间金字塔池进一步增强了模型的性能。YOLOv4于 2020 年发布，引入了 Mosaic 数据增强、新的无锚检测头和新的损失函数等创新技术。YOLOv5进一步提高了模型的性能，并增加了超参数优化、集成实验跟踪和自动导出为常用导出格式等新功能。YOLOv6于 2022 年由美团开源，目前已用于该公司的许多自主配送机器人。YOLOv7增加了额外的任务，如 COCO 关键点数据集的姿势估计。YOLOv8是YOLO 的最新版本，由Ultralytics 提供。YOLOv8 YOLOv8 支持全方位的视觉 AI

任务，包括检测、分割、姿态估计、跟踪和分类。这种多功能性使用户能够在各种应用和领域中利用YOLOv8 的功能。YOLOv9 引入了可编程梯度信息 （PGI） 和广义高效层聚合网络 （GELAN） 等创新方法。YOLOv10是由清华大学的研究人员使用该软件包创建的。 UltralyticsPython

软件包创建的。该版本通过引入端到端头（End-to-End head），消除了非最大抑制（NMS）要求，实现了实时目标检测的进步。

三、anaconda安装

官网下载地址

填写你的email地址，下载链接会发送到你的邮箱里

百度网盘分享链接：Ultralytics YOLO - 最先进的视觉人工智能

具体操作请参考： Conda的安装与使用

三、 CUDA环境安装

请参考： CUDA超详细安装教程（windows版）

四、 安装pytorch CUDA版本

创建一个yolov8的conda环境

首先打开conda的终端

查看已经安装的环境：

<code> conda env list

我们新建一个yolov8的conda环境，命令如下：

yolov8为环境名称，python=3.8为 python的版本

<code>conda create -n yolov8 python=3.8

正在下载资源，稍等片刻，首次安装的话，下载资源时间会很长，耐心等待

切换成刚刚设置的环境

<code>conda activate yolov8

打开官网：pytorch官网

进入首页，滚动条往下拉，下载指定的pytorch版本

选择pytorch的版本为 v2.2.2 。我的显卡cuda版本为 12.5，选择下载链接为 CUDA 12.1

在新建的conda环境中，执行安装pytorch cuda版本的命令

<code>conda activate yolov8

conda install pytorch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 pytorch-cuda=12.1 -c pytorch -c nvidia

下载资源中，耐心等待

五、ultralytics(YOLOv8)安装

ultralytics：yolov8官方文档

安装命令：<code>不推荐使用这种方式安装，后续修改yolov8的源码无法生效。不过可以用来测试环境是否正确

pip install ultralytics

等待缺少的依赖下载完成

验证

<code>yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'code>

如果没有墙工具，这里下载的依赖太慢了，不需要验证了。后面采取另外一种方式

已经推理成功

推理成功

**源码安装：(<code>**个人推荐，后面可以修改yolov8的源码，做定制化的开发**)

先卸载 刚刚安装的yolov8的的包

切换环境 conda activate yolov8

卸载 pip uninstall ultralytics

使用git工具下载源码 : https://github.com/ultralytics/ultralytics.git

使用pycharm工具打开源码包

第一次使用的参考链接： pycharm+conda配置虚拟环境

安装命令 ： <code>pip install -e .

官方安装文档

<code>一定要在项目的根目录下执行

如果报错信息是下面这种，把墙工具关闭掉。重新执行命令

出现下图字样，恭喜你，安装成功

已经将验证的文件下载好了，放到项目的本地目录里。需要的话，从Gitee上获取 源码地址：Ultralytics YOLO - 最先进的视觉人工智能

百度网盘分享链接：Ultralytics YOLO - 最先进的视觉人工智能

网络不太好的，模型 <code>yolov8n.pt 可从网盘里下载，放到根目录里即可

输入命令，验证yolov8是否安装正确

<code> yolo predict model=yolov8n.pt source='bus.jpg'code>

<code>上面的是通过命令行的方式进行验证的，下面我们来通过代码的形式进行验证

先安装缺少的依赖

pip install pytest

右键 debug运行

<code>祝贺你，yolov8至此以安装完毕

如果你也对视觉人工智能感兴趣的话，一起加入 犬薇同学 的开发中来, 本人VX：LJ1508613148，