반응형

YOLOv8 설치 정리

https://github.com/ultralytics/ultralytics

 

GitHub - ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > OpenVINO > CoreML > TFLite

NEW - YOLOv8 🚀 in PyTorch > ONNX > OpenVINO > CoreML > TFLite - GitHub - ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > OpenVINO > CoreML > TFLite

github.com

 

 

1. Anaconda 환경 생성

conda create -n yolov8 python=3.9 -y

 

 

2. YOLOv8 Git Clone, Install

 

- Pytorch는 CUDA version에 맞게 따로 설치하기 위해 requirements.txt 수정.

 

# Clone the ultralytics repository
git clone https://github.com/ultralytics/ultralytics

# Navigate to the cloned directory
cd ultralytics

# Install the package in editable mode for development
pip install -e .

 

 

3. Pytorch install

https://pytorch.org/get-started/previous-versions/

 

PyTorch

An open source machine learning framework that accelerates the path from research prototyping to production deployment.

pytorch.org

- 위 경로에서 자신의 CUDA version에 맞게 Pytorch install.

 

- 내 CUDA version에 맞는 11.3을 이용.

 

 

4. Python Predict Test

from ultralytics import YOLO
import cv2


# Load a model
model = YOLO('yolov8n.pt')  # pretrained YOLOv8n model

# Load a image
image = cv2.imread('./test_image.jpg')

# Run inference
results = model(image, conf=0.4)

# Draw results
result_plotted = results[0].plot()

cv2.imshow("result", result_plotted)
cv2.waitKey(0)

 

- test.py 파일을 생성하여 위 코드를 테스트.

- opencv-python을 사용하여 image data를 처리.

 

- Predict test 결과.

 

 

 

 

 

큰 어려움 없이 Python 환경에서 YOLOv8을 설치할 수 있다.

끝.

반응형
woongs_93