YOLO v8n 踩的坑

准备魔改YOLO v8，实现一个基于YOLO v8的实时交通标识检测系统，这篇文章就是记录一下步骤。
那么问题来了，我甚至都没有做过视觉模型的项目，我该怎么做呢？

那么首先从YOLO v8开始，学习它的架构和实现。

准备工作

WSL 配置

Windows主力机就用的WSL2，可以直接按照
Microsoft的文档 安装WSL2。

使用添加程序和功能，找到Windows Subsystem for Linux，勾选它。

之后，这个：

1
2
3

wsl --update 
wsl --set-default-version 2
wsl --install --distribution debian

后来发觉自带的命令行不太舒服，就安装了Windows Terminal。
这个选装，不影响使用，如果不想看直接跳到初始化Git仓库。

安装Windows Terminal

可以参考Microsoft的文档 安装Windows Terminal。
我直接使用GitHub的版本，下载页看这里：
Windows Terminal GitHub页面

下载那个后缀为msix的文件，双击安装。安装完以后Win+R输入wt，就可以打开Windows Terminal。

初始化Git仓库

初始化Git仓库，将ultralytics的仓库作为子模块复制到本地，正好帮我补充Git子模块的知识，小巧思这块儿。
（这一步是因为我的服务器没有GPU，没法使用opencv，只能使用opencv-headless代替，
之后在其他机器上的部署都是直接使用的pip内的ultralytics库）

1
2

git submodule init
git submodule add https://github.com/ultralytics/ultralytics.git

pip安装ultralytics库之后，会有一个叫yolo的命令，这是ultralytics提供的一个命令行工具，用于训练和推理YOLO模型。

YOLO v8 复现

YOLO 识别复现

1
2
3
4
5

from ultralytics import YOLO

model = YOLO('yolov8n-oiv7.pt')
model.info()
model.predict(source='bus.jpg', save=True)

秒了。

YOLO 训练复现

1
2
3
4
5

from ultralytics import YOLO
# Start YOLO v8 training with yaml config file.
print("Start training with yaml config file.")
yolo_yaml = YOLO('./yolov8.yaml')
yolo_yaml.train(epochs=5, data='./TT100K.yaml', resume=True)