个人博客 - 刘佳华

Python Yolo Demo

发表于 分类于

简介

YOLO 是一种高效的实时目标检测算法，它通过单个网络直接预测目标的边界框和类别概率，从而实现了快速的目标检测。

安装环境

CUDA

CUDA 官网下载安装，YOLO基于可以使用英伟达CUDA技术加速
我这里使用 CUDA 11.8

Python

Python 官网下载安装，或者使用 Anaconda 管理器安装，可以同时管理多个 Python 环境。

PyCharm（可选）

PyCharm 官网下载安装，JetBrains 对 Python 提供的 IDE。

PyTorch

PyTorch 深度学习框架，大部分YOLO基于PyTorch实现，在 Installing previous versions of PyTorch 中搜索 v2.5.0 版本 对应 CUDA 11.8 的安装命令

1
2
# CUDA 11.8 
pip install torch==2.5.0 torchvision==0.20.0 torchaudio==2.5.0 --index-url https://download.pytorch.org/whl/cu118
Ultralytics YOLO

Ultralytics YOLO 官方安装测试

安装
1
2
# Install or upgrade the ultralytics package from PyPI 
pip install -U ultralytics
测试
1
2
3
4
5
6
7
8
import torch  
  
# 检查GPU是否可用  
print("PyTorch Version:", torch.__version__)  
print("CUDA Available:", torch.cuda.is_available())  
print("CUDA Version:", torch.version.cuda)  
print("CUDA Device:", torch.cuda.current_device())  
print("CUDA DeviceName:", torch.cuda.get_device_name(0))
最小预测程序
1
2
3
4
5
6
7
8
from ultralytics import YOLO  
  
# Load a pre-trained YOLO model  
model = YOLO("yolo11n.pt")  
  
# Start tracking objects in a video  
# You can also use live video streams or webcam input  
model.track(source=r"D:\1.mp4", show=True, save=False)
最小训练程序
1
2
3
4
5
6
7
8
from ultralytics import YOLO  
  
if __name__ == "__main__":  
    # Load a model  
    model = YOLO("yolo11n.pt")  
  
    # Train the model  
    results = model.train(data="coco8.yaml", epochs=100, imgsz=640)