工程网站怎么做,discuz怎么注册,网站建设的推广渠道,网站建设找什么工作室YOLOv8是目前最新版本#xff0c;在以前YOLO版本基础上建立并加入了一些新的功能#xff0c;以进一步提高性能和灵活性#xff0c;是目前最先进的模型。YOLOv8旨在快速#xff0c;准确#xff0c;易于使用#xff0c;使其成为广泛的目标检测和跟踪#xff0c;实例分割在以前YOLO版本基础上建立并加入了一些新的功能以进一步提高性能和灵活性是目前最先进的模型。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。
1、安装YOLOv8
YOLOv8的安装条件 Python3.8 PyTorch1.7 安装参考方法 conda create -n yolov8torch python3.8 activate yolov8torch #进入到环境之后克隆下来进行安装 git clone https://github.com/ultralytics/ultralytics cd ultralytics pip install -e . 或者直接pip安装(推荐)
pip install ultralytics -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
安装完了之后我们pip list查看下包的情况 可以看到默认安装的这个torch为2.0.1版本对应的torchvision是0.15.2版本这个跟上一节的YOLOv5的 torch 1.9.0cu111 torchvision 0.10.0cu111 版本升级了torch从1.9到2.0torchvision也从0.1到0.15
2、YOLO一些命令
2.1、yolo help
一些如何使用的帮助信息 Arguments received: [yolo, help]. Ultralytics yolo commands use the following syntax: yolo TASK MODE ARGS Where TASK (optional) is one of (detect, segment, classify, pose) MODE (required) is one of (train, val, predict, export, track, benchmark) ARGS (optional) are any number of custom argvalue pairs like imgsz320 that override defaults. See all ARGS at https://docs.ultralytics.com/usage/cfg or with yolo cfg 1. Train a detection model for 10 epochs with an initial learning_rate of 0.01 yolo train datacoco128.yaml modelyolov8n.pt epochs10 lr00.01 2. Predict a YouTube video using a pretrained segmentation model at image size 320: yolo predict modelyolov8n-seg.pt sourcehttps://youtu.be/Zgi9g1ksQHc imgsz320 3. Val a pretrained detection model at batch-size 1 and image size 640: yolo val modelyolov8n.pt datacoco128.yaml batch1 imgsz640 4. Export a YOLOv8n classification model to ONNX format at image size 224 by 128 (no TASK required) yolo export modelyolov8n-cls.pt formatonnx imgsz224,128 5. Run special commands: yolo help yolo checks yolo version yolo settings yolo copy-cfg yolo cfg Docs: https://docs.ultralytics.com Community: https://community.ultralytics.com GitHub: https://github.com/ultralytics/ultralytics 2.2、yolo checks
安装的信息和本地CPU内存和硬盘情况 Ultralytics YOLOv8.0.121 Python-3.8.16 torch-2.0.1cpu CPU Setup complete (4 CPUs, 16.0 GB RAM, 128.4/152.1 GB disk) 2.3、yolo version
当前的YOLO版本 8.0.121 2.4、yolo settings
一些设置信息 Printing C:\Users\Tony\AppData\Roaming\Ultralytics\settings.yaml datasets_dir: C:\Users\Tony\datasets weights_dir: weights runs_dir: runs uuid: 6d4f9bb21b7de61b6e347095d24af1791873a87c908b54735ad4c38b58d6e67d sync: true api_key: settings_version: 0.0.3 2.5、yolo copy-cfg和yolo cfg
yolo copy-cfg拷贝模型配置文件 D:\Anaconda3\envs\yolov8torch\Lib\site-packages\ultralytics\yolo\cfg\default.yaml copied to C:\Users\Tony\ultralytics\default_copy.yaml Example YOLO command with this new custom cfg: yolo cfgC:\Users\Tony\ultralytics\default_copy.yaml imgsz320 batch8 yolo cfg直接查看或者打开.yaml文件也可以查看里面是一些模型相关信息配置和参数等设置
3、运行YOLOv8
3.1、检测图片
安装好了之后我们来检测下模型
yolo predict modelyolov8n.pt sourcehttps://tenfei03.cfp.cn/creative/vcg/veer/1600water/veer-327742747.jpg
其中yolov8n.pt的权重参数文件对于不能科学上网的朋友或者下载速度特别慢我也上传到了CSDN可以点击下载yolov8n.pt和yolov8n-seg.pt权重参数文件 下载好了之后放入到ultralytics目录即可 Ultralytics YOLOv8.0.121 Python-3.8.16 torch-2.0.1cpu CPU YOLOv8n summary (fused): 168 layers, 3151904 parameters, 0 gradients Downloading https:\tenfei03.cfp.cn\creative\vcg\veer\1600water\veer-327742747.jpg to veer-327742747.jpg... 100%|███████████████████████████████████████████████████████████████████████████████| 348k/348k [00:0000:00, 3.73MB/s] image 1/1 C:\Users\Tony\ultralytics\veer-327742747.jpg: 448x640 4 persons, 124.0ms Speed: 4.0ms preprocess, 124.0ms inference, 3.0ms postprocess per image at shape (1, 3, 640, 640) Results saved to runs\detect\predict 检测的图片在runs\detect\predict目录里面如下图 3.2、检测视频
同样的也可以检测视频
yolo predict modelyolov8n-seg.pt sourcehttps://youtu.be/Zgi9g1ksQHc imgsz320https://www.youtube.com/watch?vau9k1QRTPlw
这里是油管的4分33秒时长的视频需要科学上网其中的权重参数文件yolov8n-seg.pt一起放在上面那个下载地址。
3.3、错误处理
处理视频的时候不出意外这里出现缺失模块ModuleNotFoundError: No module named pafy
pafy是一个用于下载油管视频内容和检索元数据的Python库
pip install pafy -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com 更多详情可以查阅https://pythonhosted.org/pafy/ ImportError: pafy: youtube-dl not found; you can use the internal backend by setting the environmental variable PAFY_BACKEND to internal. It is not enabled by default because it is not as well maintained as the youtube-dl backend.ModuleNotFoundError: No module named youtube_dl 还需要安装一个对油管视频操作的库youtube_dl
pip install youtube_dl -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
安装这两个库之后可以先查看下是否成功
import pafy
dir(pafy)#[GdataError, __author__, __builtins__, __cached__, __doc__, __file__, __license__, __loader__, __name__, __package__, __path__, __spec__, __version__, backend, backend_shared, call_gdata, channel, dump_cache, g, get_categoryname, get_channel, get_playlist, get_playlist2, load_cache, new, pafy, playlist, set_api_key, util]
youtube-dl --help
也正常显示出这个库的用法。再来测试下 youtube_dl.utils.RegexNotFoundError: Unable to extract uploader id; please report this issue on https://yt-dl.org/bug . Make sure you are using the latest version; see https://yt-dl.org/update on how to update. Be sure to call youtube-dl with the --verbose flag and include its complete output. ERROR: Unable to extract uploader id; please report this issue on https://yt-dl.org/bug . Make sure you are using the latest version; see https://yt-dl.org/update on how to update. Be sure to call youtube-dl with the --verbose flag and include its complete output. 查看版本
youtube-dl --version 或者 youtube_dl.version.__version__2021.12.17 还以为是版本低了的缘故于是进行升级pip install --upgrade youtube_dl 但是发现问题不在这这个就是最新版本哈哈
直接下载试下youtube-dl --list-formats https://www.youtube.com/watch?vau9k1QRTPlw
依然报错 ERROR: Unable to extract uploader id; please report this issue on https://yt-dl.org/bug . Make sure you are using the latest version; see https://yt-dl.org/update on how to update. Be sure to call youtube-dl with the --verbose flag and include its complete output. 然后加一个 --verbose 参数看下具体错误如图 编码问题于是将系统编码按上图步骤进行修改之后出现新的问题 Fatal Python error: Py_Initialize: cant initialize sys standard streams LookupError: unknown encoding: 65001 Current thread 0x000027b8 (most recent call first): Fatal Python error: Py_Initialize: cant initialize sys standard streams LookupError: unknown encoding: 65001 Current thread 0x00002da0 (most recent call first): Fatal Python error: Py_Initialize: cant initialize sys standard streams LookupError: unknown encoding: 65001 Current thread 0x0000098c (most recent call first): 这整的编码造成不能初始化了哈哈然后修改回来使用一个临时的编码修改来试下
chcp 65001
这样就将默认的936修改成了65001也就是中文变UTF-8再来看下会不会成功Encodings: locale cp936, fs utf-8, out utf-8, pref cp936 什么鬼编码还是没有变化啊。恩想想也对这个也只是在当前的命令行界面是更改过的编码。
———————————————————————————————— 看来这个问题只能暂时搁置了有解决办法的大佬欢迎留言感谢
4、JupyterLab中操作
上面是在命令行中操作很多时候在JupyterLab操作还是要方便直观很多。
列出在JupyterLab中的核心jupyter kernelspec list 删除不需要的jupyter kernelspec remove xxx activate yolov8torch conda install -c conda-forge jupyterlab conda install ipykernel python -m ipykernel install --user --nameyolov8torch --display-name yolov8torch 代码如下
from ultralytics import YOLO#加载模型
model YOLO(yolov8n.yaml)
model YOLO(yolov8n.pt)#若没有将会下载coco128数据集(datasets\coco128下面的图片与标签)
model.train(datacoco128.yaml, epochs3)
#在验证集上评估模型性能
metrics model.val()
#预测
results model(https://tenfei03.cfp.cn/creative/vcg/veer/1600water/veer-327742747.jpg)
#将模型导出为ONNX格式的
path model.export(formatonnx)
训练速度还是很快的然后将会在runs\detect检测目录下面生成train和val的训练和验证的目录里面有一些训练和验证的图片、权重文件、损失函数等可视化图片比如说验证的其中一张 其中需要转换成onnx格式的模型文件所以需要安装onnx库pip install onnx -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com 将会生成在\runs\detect\train\weights目录
上面生成的onnx文件可以在 https://netron.app/ 这个站点上传将显示整个模型的流程图和一些属性等还可以导出比如我将上面生成的best.onnx文件上传之后生成的图截图如下 5、其他任务
当然除了上面的检测任务之外还可以将里面的对象进行分类分割跟踪和姿态估计这样的任务。
5.1、分类任务
分类是最简单的一种只需要检测里面的对象即可不需要指定位置等情况
from ultralytics import YOLO#加载分类模型(可以是官方给定模型也可以是训练之后的模型)
model YOLO(yolov8n-cls.yaml)
model YOLO(yolov8n-cls.pt)
model YOLO(yolov8n-cls.yaml).load(yolov8n-cls.pt)
#训练模型数据集为MNIST
model.train(datamnist160, epochs100, imgsz64)
results model(https://alifei02.cfp.cn/creative/vcg/veer/1600water/veer-451045761.jpg)
训练之后的结果在ultralytics\runs\classify目录里面。
其中权重参数文件和MNIST手写数字数据集(每个类8张图片训练和测试总计160张)也为了方便大家上传在CSDN可以点击下载数据集与权重参数文件 下载好的权重参数文件放在ultralytics当前项目里面数据集放在上个目录的datasets中解压之后为datasets\mnist160
命令行同样跟上面检测命令一样这里是分类然后指定预训练模型为分类数据集这里选择imagenet100对于不方便下载的朋友也包含在上面的下载中
yolo taskclassify modepredict modelyolov8n-cls.pt dataimagenet100 sourcehttps://alifei02.cfp.cn/creative/vcg/veer/1600water/veer-451045761.jpg
分类如图 5.2、分割任务
对于实例分割是在检测的基础上做的改进除了识别对象之外还要知道对象的确切形状好进行分割。我们来看下分割的情况当然官方给出的例子是COCO数据集这个都没关系我这里依然使用imagenet100数据集
yolo tasksegment modepredict modelyolov8n-seg.pt dataimagenet100 sourcehttps://alifei02.cfp.cn/creative/vcg/veer/1600water/veer-451045761.jpg
分割如图 5.3、姿态估计
姿态估计可以识别图像中对象上关键点的位置关键点可以代表物体的各个部分如关节、地标或其他显著特征。关键点的位置通常表示为一组二维[x, y]或三维[x, y,visible]坐标。 姿态估计模型的输出是一组点这些点代表图像中物体上的关键点通常还有每个点的置信度分数。当你需要识别场景中物体的特定部分以及它们彼此之间的位置时姿势估计是一个很好的选择。
yolo taskpose modepredict modelyolov8n-pose.pt dataimagenet100 sourcehttps://alifei02.cfp.cn/creative/vcg/veer/1600water/veer-451045761.jpg
姿态估计如图 这些官方的.pt权重参数文件都保存在上面的一个下载地址中当然也是可以自己训练得到pt权重文件然后加载训练出来的权重文件比如train\weights里面的best.pt如果对于下载特慢或有需求的可以下载试试体验下最新版本的YOLO。
引用来源 githubhttps://github.com/ultralytics/ultralytics
