1、Anaconda安装官网自查
2、Anaconda创建环境conda create -n 环境名 python=3.7
注意:如果出现conda命令不出来,请重新配置conda的电脑环境变量
参考文章:(35条消息) ‘conda‘不是内部或外部命令,也不是可运行的程序或批处理文件。_conda’ 不是内部或外部命令_北极的三哈的博客-程序员宅基地
Anaconda安装包慢记得换源
3、Cuda安装:官网:CUDA Toolkit 11.3 Downloads | NVIDIA Developer下载11.3版本
4、pytorch安装1.11版本
在开始中找到anaconda3打开anaconda prompt并进入需要安装的环境
命令:activate 环境名
输入安装指令:
conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch
5、下载yolov8源码:
mirrors
/ ultralytics / ultralytics · GitCode
我的下载目录是D:\workPlace\ultralytics-main\requirements.txt
cd 到下载目录(D:\workPlace\ultralytics-main\requirements.txt)
使用pip install -r requirements.txt进行配置
6、可能会出现的环境配置问题:
没有fbprophet包
conda install -c conda-forge fbprophet
pandas存在的bug
pip install pandas==1.3.0
7、pycharm连接anaconda环境
用pycharm打开下好的yolov8项目文件
选择file->settings->project:->python interpreter
选择已经创建好的anaconda环境下得python.exe文件
8、数据标注环境:
pip install labelImg
1、用anaconda加载labelimg工具进行数据标注
activate pytorch#你的环境名字
labelimg#进入标注工具界面
选择要标注的数据目录:
更改数据的标注结果格式:通过点击这个按钮选择输出为.xml文件或者.txt文件
2、数据调整成官方给定样式
在官方代码下新建data文件目录
文件夹下创建这几个目录images中放置所有标注原图,xml中放置标注好的.xml文件
import os
import random
import argparse
parser = argparse.ArgumentParser()
# xml文件的地址,根据自己的数据进行修改 xml一般存放在Annotations下
parser.add_argument('--xml_path', default='./ultralytics/data/xml', type=str, help='input xml label path')
# 数据集的划分,地址选择自己数据下的ImageSets/Main
parser.add_argument('--txt_path', default='./ultralytics/data/dataSet', type=str, help='output txt label path')
opt = parser.parse_args()
trainval_percent = 1.0
train_percent = 0.9
xmlfilepath = opt.xml_path
txtsavepath = opt.txt_path
total_xml = os.listdir(xmlfilepath)
if not os.path.exists(txtsavepath):
os.makedirs(txtsavepath)
num = len(total_xml)
list_index = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list_index, tv)
train = random.sample(trainval, tr)
file_trainval = open(txtsavepath + '/trainval.txt', 'w')
file_test = open(txtsavepath + '/test.txt', 'w')
file_train = open(txtsavepath + '/train.txt', 'w')
file_val = open(txtsavepath + '/val.txt', 'w')
for i in list_index:
name = total_xml[i][:-4] + '\n'
if i in trainval:
file_trainval.write(name)
if i in train:
file_train.write(name)
else:
file_val.write(name)
else:
file_test.write(name)
file_trainval.close()
file_train.close()
file_val.close()
file_test.close()
在dataset文件下生成数据集划分的txt文件
xml文件转txt文件并存在labels目录中
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
# 数据标签
classes = ['UNK'] # 需要修改
def convert(size, box):
dw = 1. / (size[0])
dh = 1. / (size[1])
x = (box[0] + box[1]) / 2.0 - 1
y = (box[2] + box[3]) / 2.0 - 1
w = box[1] - box[0]
h = box[3] - box[2]
x = x * dw
w = w * dw
y = y * dh
h = h * dh
if w >= 1:
w = 0.99
if h >= 1:
h = 0.99
return (x, y, w, h)
def convert_annotation(rootpath, xmlname):
xmlpath = rootpath + '/xml'
xmlfile = os.path.join(xmlpath, xmlname)
with open(xmlfile, "r", encoding='UTF-8') as in_file:
txtname = xmlname[:-4] + '.txt'
print(txtname)
txtpath = rootpath + '/labels' # 生成的.txt文件会被保存在labels目录下
if not os.path.exists(txtpath):
os.makedirs(txtpath)
txtfile = os.path.join(txtpath, txtname)
with open(txtfile, "w+", encoding='UTF-8') as out_file:
tree = ET.parse(in_file)
root = tree.getroot()
size = root.find('size')
w = int(size.find('width').text)
h = int(size.find('height').text)
out_file.truncate()
for obj in root.iter('object'):
difficult = obj.find('difficult').text
cls = obj.find('name').text
if cls not in classes or int(difficult) == 1:
continue
cls_id = classes.index(cls)
xmlbox = obj.find('bndbox')
b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
float(xmlbox.find('ymax').text))
bb = convert((w, h), b)
out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
if __name__ == "__main__":
rootpath = './ultralytics/data' ##需要修改的地方改成你的路径
xmlpath = rootpath + '/xml'
list = os.listdir(xmlpath)
for i in range(0, len(list)):
path = os.path.join(xmlpath, list[i])
if ('.xml' in path) or ('.XML' in path):
convert_annotation(rootpath, list[i])
print('done', i)
else:
print('not xml file', i)
将所有数据转换成官方给定数据目录:
import os,shutil
rootpath="./ultralytics/data/"#待修改路径
imgtrain=rootpath+"images/train/"
imgval=rootpath+"images/val/"
labeltrain=rootpath+"labels/train/"
labelval=rootpath+"labels/val/"
if not os.path.exists(imgtrain):
os.makedirs(imgtrain)
if not os.path.exists(imgval):
os.makedirs(imgval)
if not os.path.exists(labeltrain):
os.makedirs(labeltrain)
if not os.path.exists(labelval):
os.makedirs(labelval)
f = open(rootpath+"dataSet/train.txt","r")
lines = f.readlines()
for i in lines:
shutil.move(rootpath+"images/"+str(i).replace('\n','')+".jpg",imgtrain+str(i).replace('\n','')+".jpg")
shutil.move(rootpath + "labels/" + str(i).replace('\n', '') + ".txt", labeltrain + str(i).replace('\n', '') + ".txt")
f = open(rootpath+"dataSet/val.txt","r")
lines = f.readlines()
for i in lines:
shutil.move(rootpath+"images/"+str(i).replace('\n','')+".jpg",imgval+str(i).replace('\n','')+".jpg")
shutil.move(rootpath + "labels/" + str(i).replace('\n', '') + ".txt", labelval + str(i).replace('\n', '') + ".txt")
shutil.move(rootpath+"dataSet/train.txt",rootpath+"train.txt")
shutil.move(rootpath+"dataSet/trainval.txt",rootpath+"trainval.txt")
shutil.move(rootpath+"dataSet/test.txt",rootpath+"test.txt")
shutil.move(rootpath+"dataSet/val.txt",rootpath+"val.txt")
最后,把当前目录下所有文件放到官方代码的datasets里面
训练、测试、导出参数文件目录:./ultralytics-main/ultralytics/yolo/cfg/default.yaml
如果训练时报错:
解决:将参数文件中的workers改成0
训练数据参数文件,目录:./ultralytics-main/ultralytics/datasets
随便选个文件
train: images/train#改成自己放置数据的目录
val: images/val
nc: num#你的类别数量
#names中类别格式
0:["类别名称1"]
1:["类别名称2"]
注:如果命令行无法运行可以装一下git在电脑上
修改类别和模型文件路径后可以直接运行
训练代码:./ultralytics-main/ultralytics/yolo/v8/detect/train.py
命令行运行:
yolo task=detect mode=train model='yolov8.yaml' data='ultralytics/datasets/自己的数据配置文件.yaml'
训练时可能会有报错:
找到相应的settings.yaml文件
把第一行改成相应的数据目录
./ultralytics-main/ultralytics/yolo/v8/detect/predict.py
修改训练好的模型权重文件和被测试数据目录后可直接运行。
命令行运行:
yolo predict model='模型文件' source='图片目录'
yolo predict model=模型文件 source=图片目录
所有的训练和测试结果都保存在:./ultralytics-main/ultralytics/yolo/v8/detect/runs
文章浏览阅读645次。这个肯定是末尾的IDAT了,因为IDAT必须要满了才会开始一下个IDAT,这个明显就是末尾的IDAT了。,对应下面的create_head()代码。,对应下面的create_tail()代码。不要考虑爆破,我已经试了一下,太多情况了。题目来源:UNCTF。_攻防世界困难模式攻略图文
文章浏览阅读2.9k次,点赞3次,收藏10次。偶尔会用到,记录、分享。1. 数据库导出1.1 切换到dmdba用户su - dmdba1.2 进入达梦数据库安装路径的bin目录,执行导库操作 导出语句:./dexp cwy_init/[email protected]:5236 file=cwy_init.dmp log=cwy_init_exp.log 注释: cwy_init/init_123..._达梦数据库导入导出
文章浏览阅读1.9k次。1. 在官网上下载KindEditor文件,可以删掉不需要要到的jsp,asp,asp.net和php文件夹。接着把文件夹放到项目文件目录下。2. 修改html文件,在页面引入js文件:<script type="text/javascript" src="./kindeditor/kindeditor-all.js"></script><script type="text/javascript" src="./kindeditor/lang/zh-CN.js"_kindeditor.js
文章浏览阅读2.3k次,点赞6次,收藏14次。SPI的详情简介不必赘述。假设我们通过SPI发送0xAA,我们的数据线就会变为10101010,通过修改不同的内容,即可修改SPI中0和1的持续时间。比如0xF0即为前半周期为高电平,后半周期为低电平的状态。在SPI的通信模式中,CPHA配置会影响该实验,下图展示了不同采样位置的SPI时序图[1]。CPOL = 0,CPHA = 1:CLK空闲状态 = 低电平,数据在下降沿采样,并在上升沿移出CPOL = 0,CPHA = 0:CLK空闲状态 = 低电平,数据在上升沿采样,并在下降沿移出。_stm32g431cbu6
文章浏览阅读1.2k次,点赞2次,收藏8次。数据链路层习题自测问题1.数据链路(即逻辑链路)与链路(即物理链路)有何区别?“电路接通了”与”数据链路接通了”的区别何在?2.数据链路层中的链路控制包括哪些功能?试讨论数据链路层做成可靠的链路层有哪些优点和缺点。3.网络适配器的作用是什么?网络适配器工作在哪一层?4.数据链路层的三个基本问题(帧定界、透明传输和差错检测)为什么都必须加以解决?5.如果在数据链路层不进行帧定界,会发生什么问题?6.PPP协议的主要特点是什么?为什么PPP不使用帧的编号?PPP适用于什么情况?为什么PPP协议不_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输
文章浏览阅读587次。软件测试工程师移民加拿大 无证移民,未受过软件工程师的教育(第1部分) (Undocumented Immigrant With No Education to Software Engineer(Part 1))Before I start, I want you to please bear with me on the way I write, I have very little gen...
文章浏览阅读304次。Thinkpad X250笔记本电脑,装的是FreeBSD,进入BIOS修改虚拟化配置(其后可能是误设置了安全开机),保存退出后系统无法启动,显示:secure boot failed ,把自己惊出一身冷汗,因为这台笔记本刚好还没开始做备份.....根据错误提示,到bios里面去找相关配置,在Security里面找到了Secure Boot选项,发现果然被设置为Enabled,将其修改为Disabled ,再开机,终于正常启动了。_安装完系统提示secureboot failure
文章浏览阅读10w+次,点赞93次,收藏352次。1、用strtok函数进行字符串分割原型: char *strtok(char *str, const char *delim);功能:分解字符串为一组字符串。参数说明:str为要分解的字符串,delim为分隔符字符串。返回值:从str开头开始的一个个被分割的串。当没有被分割的串时则返回NULL。其它:strtok函数线程不安全,可以使用strtok_r替代。示例://借助strtok实现split#include <string.h>#include <stdio.h&_c++ 字符串分割
文章浏览阅读2.3k次。1 .高斯日记 大数学家高斯有个好习惯:无论如何都要记日记。他的日记有个与众不同的地方,他从不注明年月日,而是用一个整数代替,比如:4210后来人们知道,那个整数就是日期,它表示那一天是高斯出生后的第几天。这或许也是个好习惯,它时时刻刻提醒着主人:日子又过去一天,还有多少时光可以用于浪费呢?高斯出生于:1777年4月30日。在高斯发现的一个重要定理的日记_2013年第四届c a组蓝桥杯省赛真题解答
文章浏览阅读851次,点赞17次,收藏22次。摘要:本文利用供需算法对核极限学习机(KELM)进行优化,并用于分类。
文章浏览阅读1.1k次。一、系统弱密码登录1、在kali上执行命令行telnet 192.168.26.1292、Login和password都输入msfadmin3、登录成功,进入系统4、测试如下:二、MySQL弱密码登录:1、在kali上执行mysql –h 192.168.26.129 –u root2、登录成功,进入MySQL系统3、测试效果:三、PostgreSQL弱密码登录1、在Kali上执行psql -h 192.168.26.129 –U post..._metasploitable2怎么进入
文章浏览阅读257次。本文将为初学者提供Python学习的详细指南,从Python的历史、基础语法和数据类型到面向对象编程、模块和库的使用。通过本文,您将能够掌握Python编程的核心概念,为今后的编程学习和实践打下坚实基础。_python人工智能开发从入门到精通pdf