1、Anaconda安装官网自查
2、Anaconda创建环境conda create -n 环境名 python=3.7
注意:如果出现conda命令不出来,请重新配置conda的电脑环境变量
参考文章:(35条消息) ‘conda‘不是内部或外部命令,也不是可运行的程序或批处理文件。_conda’ 不是内部或外部命令_北极的三哈的博客-程序员宅基地
Anaconda安装包慢记得换源
3、Cuda安装:官网:CUDA Toolkit 11.3 Downloads | NVIDIA Developer下载11.3版本
4、pytorch安装1.11版本
在开始中找到anaconda3打开anaconda prompt并进入需要安装的环境
命令:activate 环境名
输入安装指令:
conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch
5、下载yolov8源码:
mirrors
/ ultralytics / ultralytics · GitCode
我的下载目录是D:\workPlace\ultralytics-main\requirements.txt
cd 到下载目录(D:\workPlace\ultralytics-main\requirements.txt)
使用pip install -r requirements.txt进行配置
6、可能会出现的环境配置问题:
没有fbprophet包
conda install -c conda-forge fbprophet
pandas存在的bug
pip install pandas==1.3.0
7、pycharm连接anaconda环境
用pycharm打开下好的yolov8项目文件
选择file->settings->project:->python interpreter
选择已经创建好的anaconda环境下得python.exe文件
8、数据标注环境:
pip install labelImg
1、用anaconda加载labelimg工具进行数据标注
activate pytorch#你的环境名字
labelimg#进入标注工具界面
选择要标注的数据目录:
更改数据的标注结果格式:通过点击这个按钮选择输出为.xml文件或者.txt文件
2、数据调整成官方给定样式
在官方代码下新建data文件目录
文件夹下创建这几个目录images中放置所有标注原图,xml中放置标注好的.xml文件
import os
import random
import argparse
parser = argparse.ArgumentParser()
# xml文件的地址,根据自己的数据进行修改 xml一般存放在Annotations下
parser.add_argument('--xml_path', default='./ultralytics/data/xml', type=str, help='input xml label path')
# 数据集的划分,地址选择自己数据下的ImageSets/Main
parser.add_argument('--txt_path', default='./ultralytics/data/dataSet', type=str, help='output txt label path')
opt = parser.parse_args()
trainval_percent = 1.0
train_percent = 0.9
xmlfilepath = opt.xml_path
txtsavepath = opt.txt_path
total_xml = os.listdir(xmlfilepath)
if not os.path.exists(txtsavepath):
os.makedirs(txtsavepath)
num = len(total_xml)
list_index = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list_index, tv)
train = random.sample(trainval, tr)
file_trainval = open(txtsavepath + '/trainval.txt', 'w')
file_test = open(txtsavepath + '/test.txt', 'w')
file_train = open(txtsavepath + '/train.txt', 'w')
file_val = open(txtsavepath + '/val.txt', 'w')
for i in list_index:
name = total_xml[i][:-4] + '\n'
if i in trainval:
file_trainval.write(name)
if i in train:
file_train.write(name)
else:
file_val.write(name)
else:
file_test.write(name)
file_trainval.close()
file_train.close()
file_val.close()
file_test.close()
在dataset文件下生成数据集划分的txt文件
xml文件转txt文件并存在labels目录中
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
# 数据标签
classes = ['UNK'] # 需要修改
def convert(size, box):
dw = 1. / (size[0])
dh = 1. / (size[1])
x = (box[0] + box[1]) / 2.0 - 1
y = (box[2] + box[3]) / 2.0 - 1
w = box[1] - box[0]
h = box[3] - box[2]
x = x * dw
w = w * dw
y = y * dh
h = h * dh
if w >= 1:
w = 0.99
if h >= 1:
h = 0.99
return (x, y, w, h)
def convert_annotation(rootpath, xmlname):
xmlpath = rootpath + '/xml'
xmlfile = os.path.join(xmlpath, xmlname)
with open(xmlfile, "r", encoding='UTF-8') as in_file:
txtname = xmlname[:-4] + '.txt'
print(txtname)
txtpath = rootpath + '/labels' # 生成的.txt文件会被保存在labels目录下
if not os.path.exists(txtpath):
os.makedirs(txtpath)
txtfile = os.path.join(txtpath, txtname)
with open(txtfile, "w+", encoding='UTF-8') as out_file:
tree = ET.parse(in_file)
root = tree.getroot()
size = root.find('size')
w = int(size.find('width').text)
h = int(size.find('height').text)
out_file.truncate()
for obj in root.iter('object'):
difficult = obj.find('difficult').text
cls = obj.find('name').text
if cls not in classes or int(difficult) == 1:
continue
cls_id = classes.index(cls)
xmlbox = obj.find('bndbox')
b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
float(xmlbox.find('ymax').text))
bb = convert((w, h), b)
out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
if __name__ == "__main__":
rootpath = './ultralytics/data' ##需要修改的地方改成你的路径
xmlpath = rootpath + '/xml'
list = os.listdir(xmlpath)
for i in range(0, len(list)):
path = os.path.join(xmlpath, list[i])
if ('.xml' in path) or ('.XML' in path):
convert_annotation(rootpath, list[i])
print('done', i)
else:
print('not xml file', i)
将所有数据转换成官方给定数据目录:
import os,shutil
rootpath="./ultralytics/data/"#待修改路径
imgtrain=rootpath+"images/train/"
imgval=rootpath+"images/val/"
labeltrain=rootpath+"labels/train/"
labelval=rootpath+"labels/val/"
if not os.path.exists(imgtrain):
os.makedirs(imgtrain)
if not os.path.exists(imgval):
os.makedirs(imgval)
if not os.path.exists(labeltrain):
os.makedirs(labeltrain)
if not os.path.exists(labelval):
os.makedirs(labelval)
f = open(rootpath+"dataSet/train.txt","r")
lines = f.readlines()
for i in lines:
shutil.move(rootpath+"images/"+str(i).replace('\n','')+".jpg",imgtrain+str(i).replace('\n','')+".jpg")
shutil.move(rootpath + "labels/" + str(i).replace('\n', '') + ".txt", labeltrain + str(i).replace('\n', '') + ".txt")
f = open(rootpath+"dataSet/val.txt","r")
lines = f.readlines()
for i in lines:
shutil.move(rootpath+"images/"+str(i).replace('\n','')+".jpg",imgval+str(i).replace('\n','')+".jpg")
shutil.move(rootpath + "labels/" + str(i).replace('\n', '') + ".txt", labelval + str(i).replace('\n', '') + ".txt")
shutil.move(rootpath+"dataSet/train.txt",rootpath+"train.txt")
shutil.move(rootpath+"dataSet/trainval.txt",rootpath+"trainval.txt")
shutil.move(rootpath+"dataSet/test.txt",rootpath+"test.txt")
shutil.move(rootpath+"dataSet/val.txt",rootpath+"val.txt")
最后,把当前目录下所有文件放到官方代码的datasets里面
训练、测试、导出参数文件目录:./ultralytics-main/ultralytics/yolo/cfg/default.yaml
如果训练时报错:
解决:将参数文件中的workers改成0
训练数据参数文件,目录:./ultralytics-main/ultralytics/datasets
随便选个文件
train: images/train#改成自己放置数据的目录
val: images/val
nc: num#你的类别数量
#names中类别格式
0:["类别名称1"]
1:["类别名称2"]
注:如果命令行无法运行可以装一下git在电脑上
修改类别和模型文件路径后可以直接运行
训练代码:./ultralytics-main/ultralytics/yolo/v8/detect/train.py
命令行运行:
yolo task=detect mode=train model='yolov8.yaml' data='ultralytics/datasets/自己的数据配置文件.yaml'
训练时可能会有报错:
找到相应的settings.yaml文件
把第一行改成相应的数据目录
./ultralytics-main/ultralytics/yolo/v8/detect/predict.py
修改训练好的模型权重文件和被测试数据目录后可直接运行。
命令行运行:
yolo predict model='模型文件' source='图片目录'
yolo predict model=模型文件 source=图片目录
所有的训练和测试结果都保存在:./ultralytics-main/ultralytics/yolo/v8/detect/runs
文章浏览阅读2w次,点赞7次,收藏51次。四个步骤1.创建C++ Win32项目动态库dll 2.在Win32项目动态库中添加 外部依赖项 lib头文件和lib库3.导出C接口4.c#调用c++动态库开始你的表演...①创建一个空白的解决方案,在解决方案中添加 Visual C++ , Win32 项目空白解决方案的创建:添加Visual C++ , Win32 项目这......_c#调用lib
文章浏览阅读4.6k次。苹方字体是苹果系统上的黑体,挺好看的。注重颜值的网站都会使用,例如知乎:font-family: -apple-system, BlinkMacSystemFont, Helvetica Neue, PingFang SC, Microsoft YaHei, Source Han Sans SC, Noto Sans CJK SC, W..._ubuntu pingfang
文章浏览阅读159次。表单表单概述表单标签表单域按钮控件demo表单标签表单标签基本语法结构<form action="处理数据程序的url地址“ method=”get|post“ name="表单名称”></form><!--action,当提交表单时,向何处发送表单中的数据,地址可以是相对地址也可以是绝对地址--><!--method将表单中的数据传送给服务器处理,get方式直接显示在url地址中,数据可以被缓存,且长度有限制;而post方式数据隐藏传输,_html表单的处理程序有那些
文章浏览阅读1.2k次。使用说明:开启Google的登陆二步验证(即Google Authenticator服务)后用户登陆时需要输入额外由手机客户端生成的一次性密码。实现Google Authenticator功能需要服务器端和客户端的支持。服务器端负责密钥的生成、验证一次性密码是否正确。客户端记录密钥后生成一次性密码。下载谷歌验证类库文件放到项目合适位置(我这边放在项目Vender下面)https://github.com/PHPGangsta/GoogleAuthenticatorPHP代码示例://引入谷_php otp 验证器
文章浏览阅读4.3k次,点赞5次,收藏11次。matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距
文章浏览阅读2.2k次。①Storage driver 处理各镜像层及容器层的处理细节,实现了多层数据的堆叠,为用户 提供了多层数据合并后的统一视图②所有 Storage driver 都使用可堆叠图像层和写时复制(CoW)策略③docker info 命令可查看当系统上的 storage driver主要用于测试目的,不建议用于生成环境。_docker 保存容器
文章浏览阅读834次,点赞27次,收藏13次。网络拓扑结构是指计算机网络中各组件(如计算机、服务器、打印机、路由器、交换机等设备)及其连接线路在物理布局或逻辑构型上的排列形式。这种布局不仅描述了设备间的实际物理连接方式,也决定了数据在网络中流动的路径和方式。不同的网络拓扑结构影响着网络的性能、可靠性、可扩展性及管理维护的难易程度。_网络拓扑csdn
文章浏览阅读1.8k次,点赞5次,收藏8次。IOS系统Date的坑要创建一个指定时间的new Date对象时,通常的做法是:new Date("2020-09-21 11:11:00")这行代码在 PC 端和安卓端都是正常的,而在 iOS 端则会提示 Invalid Date 无效日期。在IOS年月日中间的横岗许换成斜杠,也就是new Date("2020/09/21 11:11:00")通常为了兼容IOS的这个坑,需要做一些额外的特殊处理,笔者在开发的时候经常会忘了兼容IOS系统。所以就想试着重写Date函数,一劳永逸,避免每次ne_date.prototype 将所有 ios
文章浏览阅读5.3k次。方法一:用PLSQL Developer工具。 1 在PLSQL Developer的sql window里输入select * from test for update; 2 按F8执行 3 打开锁, 再按一下加号. 鼠标点到第一列的列头,使全列成选中状态,然后粘贴,最后commit提交即可。(前提..._excel导入pl/sql
文章浏览阅读83次。Git常用命令速查手册1、初始化仓库git init2、将文件添加到仓库git add 文件名 # 将工作区的某个文件添加到暂存区 git add -u # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,不处理untracked的文件git add -A # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,包括untracked的文件...
文章浏览阅读202次。分享119个ASP.NET源码总有一个是你想要的_千博二手车源码v2023 build 1120
文章浏览阅读1.8k次。版权声明:转载请注明出处 http://blog.csdn.net/irean_lau。目录(?)[+]1、缺省构造函数。2、缺省拷贝构造函数。3、 缺省析构函数。4、缺省赋值运算符。5、缺省取址运算符。6、 缺省取址运算符 const。[cpp] view plain copy_空类默认产生哪些类成员函数