记录一下yolov8的环境搭建，后续会更新v8模型的代码详解以及涨点改进策略。

conda 环境

直接去yolov8官网： GitHub - ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > OpenVINO > CoreML > TFLite

直接看怎么安装：

​
执行下面的代码:
​
git clone https://github.com/ultralytics/ultralytics.git
# 创建一个新的环境
conda create -n yolo_v8 python=3.9
​
conda activate yolo_v8
​
pip install ultralytics # 这个函数会自动安装 pytorch 但是可能安装的是cpu版本的 需要注意
​
# 可能会超时  超时就 -i  https://pypi.tuna.tsinghua.edu.cn/simple 
# 我比较喜欢用临时换源
​
pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple 
​

测一下torch.cuda.is_available() 是否是True

python
​
import torch
​
torch.cuda.is_available()

如果这边是false，可以搜一下安装pytorch-gpu的教程，这里就不在赘述了。

训练自己的yolov8数据集

修改pycharm 的python解释器

点添加解释器

确定即可。

我一般喜欢喜欢pt和测试脚本放在这个位置。

需要我们修改的只有模型的配置文件和数据的配置文件，目前不涉及到网络模型的修改，所以并不需要修改模型配置文件，需要注意的一点是用yolov8n.pt的时候他的配置文件需要是yolov8n.yaml，yolov8s.pt的时候配置文件是yolov8s.yaml 最后一位s和n需要对应起来。

开始训练