YOLO-World部署

Qwen3-32B-Chat 私有部署镜像 | RTX4090D 24G 显存 CUDA12.4 优化版

本镜像基于 RTX 4090D 24GB 显存 + CUDA 12.4 + 驱动 550.90.07 深度优化,内置完整运行环境与 Qwen3-32B 模型依赖,开箱即用。

01 前置操作

默认Anaconda、pytorch、pycharm均安装配置成功

1.Anaconda环境

首先创建Anaconda环境,打开Anaconda Prompt,输入

conda create -n your_env_name   # your_env_name 为你虚拟环境名

若要指定python版本号,则输入

conda create -n your_env_name python=3.x # your_env_name 为你虚拟环境名

查看环境列表,输入

conda env list

环境已存在

conda activate your_env_name

激活虚拟环境

2.YOLO-World下载

yolo-world下载:https://github.com/AILab-CVC/YOLO-Worldhttps://github.com/AILab-CVC/YOLO-World

权重下载:https://docs.ultralytics.com/zh/models/yolo-world/#available-models-supported-tasks-and-operating-modeshttps://docs.ultralytics.com/zh/models/yolo-world/#available-models-supported-tasks-and-operating-modes

下以YOLOv8l-worldv2为例

02 环境配置

使用pycharm打开下载好的YOLO-World项目,将下载好的yolov8l-worldv2.pt放入

在终端输入

pip install ultralytics

03 运行

创建一个python文件,同时在data文件夹下放入需检测的图片

from ultralytics import YOLOWorld

model = YOLOWorld('yolov8l-worldv2.pt')

model.set_classes(['person', 'helmet'])

results = model.predict('data/img_1.png')

results[0].show()

成功

您可能感兴趣的与本文相关的镜像

Qwen3-32B-Chat 私有部署镜像 | RTX4090D 24G 显存 CUDA12.4 优化版

Qwen3-32B-Chat 私有部署镜像 | RTX4090D 24G 显存 CUDA12.4 优化版

Qwen
文本生成
Qwen3

本镜像基于 RTX 4090D 24GB 显存 + CUDA 12.4 + 驱动 550.90.07 深度优化,内置完整运行环境与 Qwen3-32B 模型依赖,开箱即用。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值