yolov8 tensort环境配置 python

目录

1、下载并安装Anaconda

2、给Anaconda换源

3、创建yolov3虚拟环境

4、切换环境

5、安装keras

6、安装tensorflow

7、安装Pillow

8、安装matplotlib

 9、安装 ffmpeg

10、安装opencv

11、下载yolov3工程及权重文件

12、安装pycharm

13、pycharm配置yolov3工程

14、运行Yolov3

---

1、下载并安装环境及工程文件

  所需IDE：Anaconda3-5.2.0-Windows-x86_64_2.exe，也就是Python3.6

  所需文件：yolov3-keras工程、权重文件

  需要的朋友可以扫码关注公众号，输入yolov3获取所有文件。

2、给Anaconda换源

 用记事本打开本地文件C:\Users\用户名\.condarc把里面的配置信息，新建一个txt文档拷贝进去备份

把.condarc里面的内容替换为，保存退出。

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
ssl_verify: true

3、创建yolov3虚拟环境

在开始菜单选择 Anaconda Prompt，右键以管理员身份运行

输入：

conda create -n forYolov3 pip python=3.6

回车后会出现：

输入y回车即可，等待环境创建完毕。

出现这个表示环境创建完毕了。

4、切换环境

接着上步输入：conda activate forYolov3  并回车

出现下面这个表示切换成功

5、安装keras

输入命令： 

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple keras==2.1.5

   并回车，稍微等待即可，速度很快，出现红色箭头所示表示安装成功。

6、安装tensorflow

输入命令：    

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.12.0

回车等待………… 

如下所示，安装成功

7、安装Pillow

输入：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple Pillow

回车，等待片刻，出现下图所示安装成功：

8、安装matplotlib

输入，回车，等待片刻：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib

下图所示安装成功：

 9、安装 ffmpeg

输入命令：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ffmpeg

 安装成功：

 

10、安装opencv

输入：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-python

安装成功：

 

至此依赖库安装好了

11、下载yolov3工程及权重文件

yolov3+权重+标注工具，已在公众号整理好，需要的话请在文章开头关注获取即可。

解压出来，把权重文件移动到工程文件下：

12、安装pycharm

（1）下载安装包：

http://www.jetbrains.com/pycharm/download/#section=windows

 

(2)安装：

一路next即可，我默认安装在C盘，可自行选择。

到这里勾选上添加环境变量:

等待安装完成：

安装完成：

13、pycharm配置yolov3工程

先用pycharm打开yolov3工程：点击File选择Open，浏览打开本地下载好的yolov3工程，如图：

然后单击左上角的File选择Setting，配置python解释器

选择Project Interpreter

选择右上角按钮

单击add

选择Anaconda安装目录，选择envs下创建的环境的python.exe

到此配置完毕。

14、运行Yolov3

（1）把权重文件转换成h5文件

点击左下方的 Terminal (和IDLE一个功能，就是命令行)

输入并回车等待：

python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5

等待……

↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓

PS：如果提示缺少numpy（没有的话请跳过本段），如图：

 请在下方输入，回车：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy

 

然后再输入，上述权重转换命令。

↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑

无numpy报错直接看下面：

转换进行中……

最后会显示有句提示：Saved Keras model to model_data/yolo.h5 

转换完成，生成h5文件：

（2）运行yolov3

在工程目录下新建一个py程序，名字自拟如testYolov3，粘贴下面的代码：

from yolo3.model import yolo_body
from keras.layers import Input
from yolo import YOLO
from PIL import Image
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'


yolo = YOLO()

while True:
    img = 'img/0.jpg'
    try:
        image = Image.open(img)
    except:
        print('Open Error!')
        continue
    else:
        rel_image = yolo.detect_image(image)
        rel_image.show()
yolo.close_session()

再在工程目录下新建img文件夹，并放入一张照片，命名为0.jpg 

如下图：

运行 testYolov3程序：

至此yolov3配置完成