YOLO部署全过程
目录
1部署YOLO的环境
1.1下载py
1.2创建虚拟环境
1.3配置国内的源（清华）
1.4安装pytorch
1.5对YOLO进行源码安装
2模型预测
3总结
1部署YOLO的环境
1.1下载py
第一步我们先打开清华的镜像网站，去下载py版本，推荐不要下载太新的环境
（本人下载的py38）
https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/win系统选择中间的那一个
下载完成之后选择just me->尽量C盘->勾选add to PATH->install
1.2创建虚拟环境
在cmd命令框输入Anaconda prompt 并输入以下代码指定py3.8版本
conda create -n yolov8 python=3.8出现以下界面则下载完成
再激活环境
conda activate yolov81.3配置国内的源（清华）
打开源的地址
https://mirrors.tuna.tsinghua.edu.cn/help/pypi/copy第二条命令到Anaconda prompt里进行配置
python -m pip install --upgrade pip pip config set global.index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple1.4安装pytorch
打开pytorch的官网
https://pytorch.org/get-started/previous-versions/?_gl=1*19wffpj*_up*MQ..*_ga*MTgwMjI3OTIyOC4xNzc1NjIwMTA5*_ga_469Y0W5V62*czE3NzU2MjAxMDgkbzEkZzAkdDE3NzU2MjAxMDgkajYwJGwwJGgw那么我们选择哪个版本呢？这取决于我们显卡的版本！！
再Anaconda prompt里输入 nvidia-smi 在右上角可以看出CUDA version为13.1 ，则必须选择小于13.1的pytorch版本
我选的以下的这个pytorch版本
pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116如果成功，则出现以下效果
1.5对YOLO进行源码安装
对YOLO进行源码安装
先在github上下载ultralytics文件 ，将其解压在桌面
再通过CD打开文件目录
输入以下代码，进行源码安装
pip install -e.出现以下效果表示安装成功
打开ultralytics文件，添加一行打印代码
在终端里面运行代码
yolo predict model=yolov8n.pt source=ultralytics/assets/bus.jpg则会出现以下代码 发现打印出 code inject!!!
并且模型识别出4person 1bus 1stop sign
2模型预测
选择什么模型 对什么进行检测
from ultralytics import YOLO yolo = YOLO("./yolov8n.pt", task="detect") result = yolo(source="./ultralytics/assets/bus.jpg")在vscode里面的终端先激活yolo
输入检测之后回车检查
正确输出
- 作用 ：对指定图片执行目标检测，并返回检测结果。
- 参数说明 ：
- source ：输入源（此处为本地图片路径）。
- save=True ：保存检测结果图片（会在 runs/detect 目录生成带标注的图片）。
- conf=0.05 ：设置置信度阈值（只有置信度≥0.05的检测结果会被保留）。
运行效果如下 （后面的小数就是conf值）
3总结
YOLO 部署的核心是将训练好的.pt 格式模型，根据目标运行环境（如 Python 开发、跨平台、NVIDIA 显卡、Intel 设备等），通过 ultralytics 工具导出为 ONNX、TensorRT、OpenVINO 等适配格式，再编写对应推理代码，实现对图片、视频或摄像头实时画面的目标检测，同时可通过调整置信度、后处理等参数优化检测精度与运行速度，最终完成从模型训练到实际应用的落地。