香橙派如何使用pip部署ultralytics YOLOv8？

香橙派pip部署ultralytics YOLOv8 配置部署 cd到桌面或工作目录 cd 工作目录地址 创建虚拟环境 virtualenv --system-site-packages -p /usr/bin/python3 venv 激活虚拟环境 source venv/bin/activate 配置pip清华源 pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple 换了源之后，如遇部分冷门库没有的，则可以通过修改pypi官方库安装 https://pypi.org/simple 安装依赖 pip install timm==0.9.8 thop efficientnet_pytorch==0.7.1 einops grad-cam==1.4.8 dill==0.3.6 albumentations==1.3.1 pytorch_wavelets==1.3.0 安装ultralytics pip install ultralytics 测试 测试yolo命令推理 目前YOLO可在不依赖Python环境的情况下，终端使用yolo单行命令实现全部功能，详见：https://docs.ultralytics.com/usage/cli/ ①先去官网下载官方的预训练模型（yolov8n.pt）和测试图片（bus.jpg），同样将下载的文件放到ultralytics_yolov8目录下。 https://github.com/ultralytics/assets/releases/download/v8.3.0/yolov8n.pt https://ultralytics.com/images/bus.jpg ② 使用yolo单行命令执行简单推理测试（注意前面下载的文件路径） # 第一个参数是指任务[detect, segment, classify] # 第二个参数是模式[train, val, predict, export, track)] # model 参数指向模型文件所在路径 # source 参数指向预测媒体对象文件所在路径 yolo detect predict model=yolov8n.pt source=bus.jpg 测试程序 import cv2 from ultralytics import YOLO from cv2 import getTickCount, getTickFrequency # 加载 YOLOv8 模型 model = YOLO("yolov8n.pt") # 这里选择你训练的模型 # 获取摄像头内容，参数 0 表示使用默认的摄像头 cap = cv2.VideoCapture(0) cap.set(cv2.CAP_PROP_FPS, 30) cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640) cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480) # 设置适当的缓冲区大小可以减少数据传输的延迟。