我要评论基于第二篇文章：深度学习之linux环境搭建----安装pytorch2.0.1和cuda11.8配置yolov10（2）-csdn博客
ubuntu系统中配置好了yolov10，现在进行模型测试查看效果。
ps：可以使用语雀网页版进行粘贴复制，个人感觉挺好用的。
步骤 1：确保在 yolov10 虚拟环境中
如果你还没有激活虚拟环境，请确保激活它：
步骤 2：进入 yolov10 项目的源代码目录
进入你的 yolov10 项目的源代码目录：
步骤 3：安装 yolov10 项目的依赖
确保你在 yolov10 项目的源代码目录中，有一个 requirements.txt 文件。使用 pip 安装这些依赖：
我在这一步出现了很多错误，原先配置好的pytorch2.0.1和cuda11.8还在requirements文件里面，删除了那两行后报错了。
后面又去访问 pypi onnxruntime-gpu 页面，下载适合你的系统和 python 版本的 .whl 文件，下载的名称如下：
如果onnxruntime-gpu==1.18.1报错的话，使用以下命令进行安装：
在requirements文件中删除这一行，然后：
没有报错的话，congradulations！victory！
步骤 4：下载 yolov10 的预训练权重
下载预训练权重文件（比如 yolov10s.pt）并将其放在合适的位置。可以通过以下命令下载：
- yolov10-n: 最小模型，最快速，适合资源有限的设备。
- yolov10-s: 较小模型，速度和精度之间有平衡。
- yolov10-m: 中等模型，适合需要平衡速度和精度的任务。
- yolov10-b: 大模型，较慢但精度较高。
- yolov10-l: 更大模型，适合需要高精度的任务。
- yolov10-x: 最大模型，最高精度，适合高性能设备。
下载 yolov10-n 和 yolov10-s 模型，你可以使用以下命令下载它们：（一直到这里还是在下载的yolo文件目录下进行）
下载完成后，pt文件会自动存放在 weights文件夹中。
这个下载属实有些鸡肋，我最后还是去github上自行下载了，这速度别提多感人了！
使用浏览器打开下载链接：https://github.com/thu-mig/yolov10/releases/download/v1.1/yolov10s.pt
-
移动文件到
weights文件夹：
通过这些步骤，应该能够成功下载和配置 yolov10 的权重文件。
步骤5：开始yolov10的预训练
使用 yolov10 项目中的测试脚本进行模型测试。假设 detect.py 是测试脚本的名称，您可以运行以下命令：
我没找到detect.py。
-
确保你在 yolov10 项目的根目录下。
-
查看项目目录： 使用
ls命令查看项目目录下的文件，寻找可能用于测试的脚本文件。 -
运行测试脚本： 假设项目中有一个
detect.py文件，可以通过以下命令运行它：
目录下没有，但是有一个app.py。
可以尝试使用 app.py 文件来运行测试。如果 app.py 文件中没有测试代码，可以自己编写一个简单的测试脚本。首先，查看 app.py 文件内容，看看是否有现成的测试代码。
查看app.py的内容
查看了我的app.py文件是使用 gradio 创建一个 web 界面来运行 yolov10 模型进行推理。为了测试 yolov10 模型，你可以通过运行这个 app.py 脚本，启动 gradio 界面，然后在浏览器中进行推理测试。太过复杂，pass!
解决方案：
运行结果在output文件夹中：
over！congradulations！你又前进了一大步！ ^_^
发表评论