2025.1.25

今天是劳累的一天，从昨天晚上开始，我配置了三四遍yolov8模型，因为我在以前就使用python进行一些程序编写，所以在我的电脑上存在着我以前使用的python3.10.0版本，并且修改了python库的存储路径，而我的yolo所使用的是python3.9.12版本，并且库的路径是指向了我所创建的yolo虚拟环境中，导致我在配置的时候通过pip install ultralytics所下载的yolo需要的包都没有下载到虚拟环境下的python9的库中，从而导致我在下载完ultralytics包后不能正常使用yolo命令，我一直认为是我所查阅的资料作者的电脑环境和我不同，导致相同步骤在我的电脑上无法实现，后来发现是ultralytics包一直找不到，最终，我通过查阅我虚拟环境下的库路径，并且通过pip install --target=path packages-name来配置成功了我所需要的所有包，虽然因为全局环境的问题我依旧无法在虚拟环境终端使用yolo命令，但我已经可以通过pycharm打开ultralytics包后，将此项目的python解释器修改为我虚拟环境下的python后，成功调用yolov8n.pt（轻量级yolov8模型）来简单进行视觉检测。

测试代码如下：

from ultralytics import YOLO
import torch

# 定义图像文件的路径
source = 'cat.jpg'  # 更改为自己的图片路径

# 检查是否有可用的 GPU
if torch.cuda.is_available():
    print("使用的GPU")
    device = torch.device("cuda:0")  # 使用第一个 GPU
else:
    print("使用的CPU")
    device = torch.device("cpu")  # 回退到 CPU

# 加载预训练的 YOLOv8n 模型，并显式指定设备
model = YOLO('yolov8n.pt').to(device)

# 打印模型使用的设备
print(f"Model device: {next(model.parameters()).device}")

# 检查是否有可用的 GPU
if torch.cuda.is_available():
    print("GPU 可用！")
    print(f"可用的 GPU 数量: {torch.cuda.device_count()}")
    print(f"当前 GPU 设备: {torch.cuda.current_device()}")
    print(f"当前 GPU 名称: {torch.cuda.get_device_name(0)}")
    print(f"当前 GPU 内存: {torch.cuda.get_device_properties(0).total_memory / (1024.0 ** 3):.2f} GB")
else:
    print("GPU 不可用，将使用 CPU。")

# 运行推理，并附加参数
model.predict(source, save=True)

print(f"Model device: {next(model.parameters()).device}")

运行结果如下：

使用的GPU
Model device: cuda:0
GPU 可用！
可用的 GPU 数量: 1
当前 GPU 设备: 0
当前 GPU 名称: NVIDIA GeForce RTX 3060 Laptop GPU
当前 GPU 内存: 6.00 GB

image 1/1 E:\ProgramData\ultralytics-8.2.0\cat.jpg: 416x640 1 cat, 46.0ms
Speed: 2.0ms preprocess, 46.0ms inference, 799.5ms postprocess per image at shape (1, 3, 416, 640)
Results saved to runs\detect\predict7
Model device: cuda:0

进程已结束，退出代码为 0

测试所使用的cat.jpg以及检测后的结果图片如下：

 

 总的来说，这次是一次非常艰难但让我受益颇多的经历，我对于python和YOLOv8模型的配置以及使用有了更深的理解，对于python的配置命令也有了更好的掌握。

参考文献：深度学习目标检测：yolov8(Ultralytics)环境配置，适合0基础小白，超详细-CSDN博客

修改conda创建虚拟环境和安装python第三方包的默认路径_conda 更改某个包的安装位置-CSDN博客