代码是一点一点手搓的，没有参考任何已有的项目。
您可以查看从demo1到demo5的不同版本之间的变化
csgo2文件夹中是我自建的数据集
train_results 包含了我训练过的所有模型的训练结果
demo_win_pytorch_normal 包含了我的大部分工作相关的代码，其中包含了我逐步开发的5个版本，并在代码中有简要说明。其中demo4.py是完全可运行的
get_train_data是我用来在游戏中截图，并分割数据集的代码
test_files 中包括了一些可以帮助您检测环境是否安装完成的代码
如果你想尝试更高的性能，就需要配置更多的东西。
我提供了以下几个版本：
demo_mac是mac平台上的运行代码，我不清楚如何在mac上移动鼠标，所以您需要写一点代码才可以体验完整功能
demo_win_pytorch_easy是win平台上的运行代码，只需要可以运行ultralytics的代码就可以使用全部功能，但速度一般
demo_win_pytorch_normal 需要配置DXGI库和安装罗技驱动，可以取得很好的性能
demo_win_tensorrt_fast 需要配置DXGI库和安装罗技驱动，进一步需要配置tensorrt可以取得最好的性能
demo_win_pytorch_yolov5 是 yolov5版本的代码，需要配置DXGI库和安装罗技驱动
demo_win_pytorch_yolov10 是 yolov10版本的代码，需要配置DXGI库和安装罗技驱动
以上，请您按需选择。如果在安装中遇到了问题，请提问。
如果你想要在mac上运行，请使用此文件中的内容.
建议使用纯净的环境，
①参考官网配置好YOLOv8环境，确保torch、cuda、cudnn等的匹配
②进入此文件夹pip安装requirements.txt，
③修改此文件夹中demo4.py中的todo，例如
并添加移动鼠标的代码
即可运行。注意权重文件在demo_win_pytorch_normal中，我并没有复制两份
推荐使用这个版本。使用mss截图，windows鼠标移动事件控制鼠标。性能大概为25帧率还算够用，配置简单
建议使用纯净的环境，
①参考官网配置好YOLOv8环境，确保torch、cuda、cudnn等的匹配
②进入此文件夹pip安装requirements.txt，
③修改此文件夹中demo4.py中的todo，例如
即可运行。注意权重文件在demo_win_pytorch_normal中，我并没有复制两份
您需要在python3.9下运行这些代码。因为DXGI.pyd的版本是3.9的
**注意！**在这个文件夹中，由于opencv_world451.dll、opencv_world3416.dll、LGS_9.02.65_x64_Logitech.exe过大，我无法上传至github，请从网盘下载并放置到此目录下。
链接：https://pan.baidu.com/s/1qxnk2-O394in103lYk3aJQ?pwd=qzlz ，网盘链接里的压缩包包含：
您可以使用test_files中的文件来测试环境是否安装成功
①使用纯净的环境，参考官网配置好YOLOv8环境
②进入此文件夹pip安装requirements.txt。
③卸载罗技鼠标驱动（如果有的话），并安装驱动LGS_9.02.65_x64_Logitech.exe，其大小大概为120MB，您可以在网盘下载
打开此软件，电脑重启后需要重新打开软件。
软件页面如图。不显示这个白色鼠标是正常的，这是我的鼠标。。没有罗技鼠标也可以调用这个软件。
使用test_files中的logitech_test.py测试驱动是否安装成功，如果成功了应该在运行后看到鼠标指针移动。
如果在安装时遇到问题，可以参考网上相关安装教程以及我写的罗技鼠标驱动卸载_罗技驱动卸载-CSDN博客
④修改此文件夹中demo4.py中的todo，例如
即可运行。
①使用纯净的环境，参考官网配置好YOLOv5环境
②进入此文件夹, pip安装requirements.txt。
③卸载罗技鼠标驱动（如果有的话），并安装此驱动LGS_9.02.65_x64_Logitech.exe，并打开此软件。电脑重启后需要重新打开软件。
④修改此文件夹中demo4.py 时间原因我没有写todo，看着改就可以了
①使用纯净的环境，参考官网配置好YOLOv10环境
②进入此文件夹pip安装requirements.txt。
③卸载罗技鼠标驱动（如果有的话），并安装此驱动LGS_9.02.65_x64_Logitech.exe，并打开此软件。电脑重启后需要重新打开软件。
④修改此文件夹中demo4.py 时间原因我没有写todo，看着改就可以了
强烈建议您使用与我完全一致的版本！我使用的环境是：
nvidia驱动支持的最高版本：CUDA Version: 12.3（命令行输入nvidim-smi可查看）
cuda安装版本：12.1 （命令行输入nvcc -V查看）
python版本：3.9.19
torch版本：
pip install torch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 --index-url https://download.pytorch.org/whl/cu121
cudnn版本：
cuDNN Archive | NVIDIA Developer
tensorRT版本：
NVIDIA TensorRT 8.x Download | NVIDIA Developer
以上相关环境的安装可以参考网上的教程，但建议保持您安装的版本与我的一致
然后请参考此连接配置yolov8-tensorrt环境：
yolov8实战第三天——yolov8TensorRT部署（python推理）（保姆教学）_yolov8 tensorrt python-CSDN博客
确保罗技驱动与所有代码用到的库都安装完成后，导出pt文件为onnx文件，再导出为engine文件，engine文件是此处demo4.py的模型参数。
拷贝demo_win_tensorrt_fast文件夹与YOLOv8_tensorrt处于同一目录下，如下。
我导出的engine文件放在了pt文件夹下，由于每个电脑上都不一样，所以我没有上传。大致的文件结构如图：
略微修改此文件夹中demo4.py中的todo，即可运行.
参考doc.pdf