반응형
YOLOv8 설치 정리
https://github.com/ultralytics/ultralytics
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/
- 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
'DeepLearning > YOLO' 카테고리의 다른 글
[YOLOv8] YOLOv8 Export, Pytorch -> ONNX -> TensorRT (0) | 2023.07.26 |
---|---|
[YOLOv8] YOLOv8 Export, Pytorch to TensorRT (0) | 2023.07.21 |
[YOLO] yolov7 windows install 및 detect test (0) | 2022.12.09 |
3. YOLO c++, cpp dll 활용 (MFC) (4) | 2021.01.04 |
2. YOLO, Custom Train (0) | 2021.01.04 |