YOLO模型安装、数据准备及其初始用

2026/8/16 17:47:39 拓冰建站浏览量

环境准备及其安装

1.python环境安装

使用 conda 创建 3.7 - 3.10 的版本，以下操作，凡基于python环境都是使用该虚拟环境

2.安装库环境

安装 pytorch 等库如果不使用 GPU ，

pip install torch torchvision torchaudio jupyterlab

如果使用GPU，先查看 GPU 版本，

在根据自己的版本信息选择对应的命令

Previous PyTorch Versions

# CUDA 11.8 conda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=11.8 -c pytorch -c nvidia

conda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=11.8 -c pytorch

安装 jupyterlab
```
pip install jupyterlab
```

注：检测NumPy版本，YOLO8（Ultralytics 库）是基于 NumPy 1.x 编译的，如果默认下载版本是2.x，会导致运行错误

强制卸载所有 NumPy 版本

# 强制卸载NumPy（包括残留文件） pip uninstall numpy -y # 清理pip缓存（避免重装时用旧缓存） pip cache purge

安装指定兼容版本

# 安装稳定的NumPy 1.x版本（指定源加速，避免超时） pip install numpy==1.26.4 -i https://pypi.tuna.tsinghua.edu.cn/simple

验证是否安装成功

python -c "import numpy; print('NumPy版本:', numpy.__version__)"

验证 PyTorch 与 NumPy 的兼容性

python -c "import torch; import numpy; print('torch识别NumPy:', torch.from_numpy(numpy.array([1,2,3])))" #无报错则说明兼容

3.下载ultralytics

直接下载即可

Install Ultralytics - Ultralytics YOLO Docs

https://github.com/ultralytics/ultralytics

当安装后，在目录下进入终端，使用命令

pip install -e . #我懂了，就是一般的库文件是放在了pip那边，但是呢，这个包的库文件，就放在当前目录，但是呢使用照常使用对吧，但是是方便修改这个库的文件,不是 “库文件放在当前目录”（当前目录本来就是源码所在），而是环境里没有单独的库文件，全靠 “快捷方式” 指向当前目录的源码。如果卸载要先去删掉conda的快捷键，只删掉文件会删不干净的！

4.安装模型

安装所需要的对应版本就好了

Explore Ultralytics YOLOv8 - Ultralytics YOLO Docs

将其安装好后，放在 ultralytics 目录下

yolo mode='predict' task='detect' model='yolov8n.pt' source='test.png'

数据准备

1.将图片统一化名

Rename - 批量文件重命名工具

使用全重命名

<#>

2.图片处理

准备labelimg工具

当准备后大量图片后可以使用 labelimg 工具（不推荐从github上下载源码）

labelimg 是一个可视化的图像标定工具。它是用Python编写的，并将Qt用于其图形界面。批注以PASCAL VOC格式（ImageNet使用的格式）另存为XML文件。此外，它还支持YOLO格式。Faster R-CNN，YOLO，SSD等目标检测网络所需要的数据集，均需要借此工具标定图像中的目标。

准备 python 环境 3.8 - 3.10

安装第三方库

pip install PyQt5 pyqt5-tools lxml

安装 labelimg

pip install labelimg

使用labelimg工具

终端输入一下命令即可运行

labelimg

实操yolo模型

----------------------------------- 待 -------------------------------------

师承：佚名

建站实战干货