HiEuler-Pico-OpenEuler Yolov8模型训练和转换——yolov8环境搭建（一）_专栏

1、yolov8环境搭建

需确保训练服务器能够正常使用，CPU，CONDA工具可以正常使用。若未安装过CONDA工具，可参考下面说明安装工具。

安装Miniconda
conda 允许用户设置独立的环境来运行不同版本的 Python 或其他语言，而无需切换到其他环境管理器。Miniconda和Anaconda均是conda工具，但Miniconda是Anaconda最小安装程序，内存占用较小，yolov8的训练环境搭建将使用conda工具创建一个独立的python环境。

#下载miniconda
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh

#添加可执行权限
chmod +x Miniconda3-latest-Linux-x86_64.sh

#执行安装
sudo ./Miniconda3-latest-Linux-x86_64.sh
1
2
3
4
5
6
7
8

如果出现conda no found，请在~/.bashrc文件末尾添加如下环境变量

export PATH="/usr/local/anaconda3/bin:$PATH"
1

Miniconda安装参考链接：06 Ubuntu22.04上的miniconda3安装、深度学习常用环境配置

conda命令参考

#列出所有环境
conda env list

#创建虚拟环境,<env_name>为环境名，这里选择python版本为3.8，可选择其他版本，但需满足python>=3.8
conda create -n <env_name> python=3.8

#切换环境
conda activate <env_name>

#退出环境
conda deactivate <env_name>

#删除环境
conda env remove -n <env_name>
1
2
3
4
5
6
7
8
9
10
11
12
13
14

1.1、环境搭建

执行下面的命令，创建一个名字为 yolov8 python=3.8的训练环境，如果提示是否下载，输入Y，然后敲回车即可。

conda create -n yolov8 python=3.8
1

在yolov8源码路径中创建requirements_yolov8.txt文件，添加以下内容

# Usage: pip install -r requirements_yolov8.txt

# Base ----------------------------------------
matplotlib>=3.2.2
numpy>=1.21.6
opencv-python>=4.6.0
Pillow>=7.1.2
PyYAML>=5.3.1
requests>=2.23.0
scipy>=1.4.1
torch==2.1.0
torchvision==0.16.0
tqdm>=4.64.0

# Plotting ------------------------------------
pandas>=1.1.4
seaborn>=0.11.0

# Export --------------------------------------
onnx>=1.12.0  # ONNX export
onnxsim>=0.4.1  # ONNX simplifier

# Extras --------------------------------------
psutil  # system utilization
thop>=0.1.1  # FLOPs computation

ninja
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
<

*注意：这里需要先通过nvcc -V 来查看CUDA的版本号，根据CUDA版本号和python版本号来下载对应的 torch和 torchvision，比如说当前cuda版本号是11.3，python为3.8

nvcc -V      #查看cuda版本
1

如果出现nvcc no found，在~/.bashrc文件末尾添加如下环境变量

export PATH="/usr/local/cuda/bin:$PATH"
1

根据cuda版本访问下面网址查看与python版本对应的torch、torchvison版本。

#cuda 11.3 对应修改网址中的“cu版本”
https://download.pytorch.org/whl/cu113/
1
2

确定torch->1.12.0，torchvison->0.13.0，直接pip安装，如果不行可尝试下载whl包上传至服务器pip安装。

pip install torchvision==0.13.0
pip install torch==1.12.0
1
2

#或下载whl包并pip安装
wget https://download.pytorch.org/whl/cu113/torch-1.10.2%2Bcu113-cp38-cp38-linux_x86_64.whl#sha256=c59e8f17a76757f22ffdf6da37561ce7bd7f92c5d602e3371eb223e5a976b6ec
wget https://download.pytorch.org/whl/cu113/torchvision-0.11.3%2Bcu113-cp38-cp38-linux_x86_64.whl#sha256=cbe4e5aef02d1d81df1e70af95d2cd3dc6fcba269c2f069a51421ed50be24eba

chmod 777  *.whl

pip install  torch-1.10.2+cu113-cp38-cp38-linux_x86_64.whl
pip install torchvision-0.11.3+cu113-cp38-cp38-linux_x86_64.whl
1
2
3
4
5
6
7
8

执行下面的命令，进入yolov8虚拟环境，并下载YOLOv8所需的软件和资源
资料链接：https://www.ebaina.com/down/240000038797

conda activate yolov8      #进入yolov8虚拟环境

pip install --upgrade pip  -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install -r requirements_yolov8.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install ultralytics==8.0.68 -i https://pypi.tuna.tsinghua.edu.cn/simple
1
2
3
4
5

将./resources/yolov8源码资料目录下ultralytics-8.0.68.tar.gz（源码压缩包）、yolov8n.pt、 0001-yolov8-rpn.patch、test.py上传至训练服务器中，并进行解压，并将 yolov8n.pt、 0001-yolov8-rpn.patch、test.py复制到ultralytics目录下。将0001-yolov8-rpn.patch文件拷贝至yolov8源码路径中，并打入补丁。

tar -zxvf ultralytics-8.0.68.tar.gz

mv   ultralytics-8.0.68   ultralytics

cd ultralytics

cp ../yolov8n.pt  ./

cp ../0001-yolov8-rpn.patch  ./

cp ../test.py  ./

patch -p1 < 0001-yolov8-rpn.patch
1
2
3
4
5
6
7
8
9
10
11
12
13