Yolov8

在 Python>=3.8 環境中，使用 PyTorch>=1.8，通過 Pip 安裝包含所有 依賴項 的 ultralytics 包。

pip install ultralytics

有關包括 Conda、Docker 和 Git 在內的替代安裝方法，請參考 快速入門指南。

💻 使用示例

基礎用法

可以直接在命令行界面（CLI）中使用 yolo 命令來使用 YOLOv8：

yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'

yolo 可用於各種任務和模式，並接受額外的參數，例如 imgsz=640。更多示例請查看 YOLOv8 CLI 文檔。

高級用法

YOLOv8 也可以直接在 Python 環境中使用，並且接受與上述 CLI 示例相同的 參數：

from ultralytics import YOLO

# 加載模型
model = YOLO("yolov8n.pt")

# 訓練模型
train_results = model.train(
    data="coco8.yaml",  # 數據集 YAML 文件路徑
    epochs=100,  # 訓練輪數
    imgsz=640,  # 訓練圖像大小
    device="cpu",  # 運行設備，例如 device=0 或 device=0,1,2,3 或 device=cpu
)

# 在驗證集上評估模型性能
metrics = model.val()

# 在圖像上進行目標檢測
results = model("path/to/image.jpg")
results[0].show()

# 將模型導出為 ONNX 格式
path = model.export(format="onnx")  # 返回導出模型的路徑

更多示例請查看 YOLOv8 Python 文檔。

有關在 COCO 上訓練的這些模型的使用示例，請查看 檢測文檔，這些模型包含 80 個預訓練類別。

• mAP^驗證集 值是在 COCO val2017 數據集上的單模型單尺度結果。
  通過 yolo val detect data=coco.yaml device=0 重現。
• 速度 是使用 Amazon EC2 P4d 實例在 COCO 驗證圖像上的平均值。
  通過 yolo val detect data=coco.yaml batch=1 device=0|cpu 重現。

有關在 COCO-Seg 上訓練的這些模型的使用示例，請查看 分割文檔，這些模型包含 80 個預訓練類別。

• mAP^驗證集 值是在 COCO val2017 數據集上的單模型單尺度結果。
  通過 yolo val segment data=coco-seg.yaml device=0 重現。
• 速度 是使用 Amazon EC2 P4d 實例在 COCO 驗證圖像上的平均值。
  通過 yolo val segment data=coco-seg.yaml batch=1 device=0|cpu 重現。

有關在 COCO-Pose 上訓練的這些模型的使用示例，請查看 姿態文檔，這些模型包含 1 個預訓練類別，即人。

• mAP^驗證集 值是在 COCO Keypoints val2017 數據集上的單模型單尺度結果。
  通過 yolo val pose data=coco-pose.yaml device=0 重現。
• 速度 是使用 Amazon EC2 P4d 實例在 COCO 驗證圖像上的平均值。
  通過 yolo val pose data=coco-pose.yaml batch=1 device=0|cpu 重現。

有關在 DOTAv1 上訓練的這些模型的使用示例，請查看 OBB 文檔，這些模型包含 15 個預訓練類別。

• mAP^測試集 值是在 DOTAv1 數據集上的單模型多尺度結果。
  通過 yolo val obb data=DOTAv1.yaml device=0 split=test 重現，並將合併結果提交到 DOTA 評估。
• 速度 是使用 Amazon EC2 P4d 實例在 DOTAv1 驗證圖像上的平均值。
  通過 yolo val obb data=DOTAv1.yaml batch=1 device=0|cpu 重現。

有關在 ImageNet 上訓練的這些模型的使用示例，請查看 分類文檔，這些模型包含 1000 個預訓練類別。

• 準確率 值是模型在 ImageNet 數據集驗證集上的準確率。
  通過 yolo val classify data=path/to/ImageNet device=0 重現。
• 速度 是使用 Amazon EC2 P4d 實例在 ImageNet 驗證圖像上的平均值。
  通過 yolo val classify data=path/to/ImageNet batch=1 device=0|cpu 重現。