Yolov8

在 Python>=3.8 环境中，使用 PyTorch>=1.8，通过 Pip 安装包含所有 依赖项 的 ultralytics 包。

pip install ultralytics

有关包括 Conda、Docker 和 Git 在内的替代安装方法，请参考 快速入门指南。

💻 使用示例

基础用法

可以直接在命令行界面（CLI）中使用 yolo 命令来使用 YOLOv8：

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

yolo 可用于各种任务和模式，并接受额外的参数，例如 imgsz=640。更多示例请查看 YOLOv8 CLI 文档。

高级用法

YOLOv8 也可以直接在 Python 环境中使用，并且接受与上述 CLI 示例相同的 参数：

from ultralytics import YOLO

# 加载模型
model = YOLO("yolov8n.pt")

# 训练模型
train_results = model.train(
    data="coco8.yaml",  # 数据集 YAML 文件路径
    epochs=100,  # 训练轮数
    imgsz=640,  # 训练图像大小
    device="cpu",  # 运行设备，例如 device=0 或 device=0,1,2,3 或 device=cpu
)

# 在验证集上评估模型性能
metrics = model.val()

# 在图像上进行目标检测
results = model("path/to/image.jpg")
results[0].show()

# 将模型导出为 ONNX 格式
path = model.export(format="onnx")  # 返回导出模型的路径

更多示例请查看 YOLOv8 Python 文档。

有关在 COCO 上训练的这些模型的使用示例，请查看 检测文档，这些模型包含 80 个预训练类别。

• mAP^验证集 值是在 COCO val2017 数据集上的单模型单尺度结果。
  通过 yolo val detect data=coco.yaml device=0 重现。
• 速度 是使用 Amazon EC2 P4d 实例在 COCO 验证图像上的平均值。
  通过 yolo val detect data=coco.yaml batch=1 device=0|cpu 重现。

有关在 COCO-Seg 上训练的这些模型的使用示例，请查看 分割文档，这些模型包含 80 个预训练类别。

• mAP^验证集 值是在 COCO val2017 数据集上的单模型单尺度结果。
  通过 yolo val segment data=coco-seg.yaml device=0 重现。
• 速度 是使用 Amazon EC2 P4d 实例在 COCO 验证图像上的平均值。
  通过 yolo val segment data=coco-seg.yaml batch=1 device=0|cpu 重现。

有关在 COCO-Pose 上训练的这些模型的使用示例，请查看 姿态文档，这些模型包含 1 个预训练类别，即人。

• mAP^验证集 值是在 COCO Keypoints val2017 数据集上的单模型单尺度结果。
  通过 yolo val pose data=coco-pose.yaml device=0 重现。
• 速度 是使用 Amazon EC2 P4d 实例在 COCO 验证图像上的平均值。
  通过 yolo val pose data=coco-pose.yaml batch=1 device=0|cpu 重现。

有关在 DOTAv1 上训练的这些模型的使用示例，请查看 OBB 文档，这些模型包含 15 个预训练类别。

• mAP^测试集 值是在 DOTAv1 数据集上的单模型多尺度结果。
  通过 yolo val obb data=DOTAv1.yaml device=0 split=test 重现，并将合并结果提交到 DOTA 评估。
• 速度 是使用 Amazon EC2 P4d 实例在 DOTAv1 验证图像上的平均值。
  通过 yolo val obb data=DOTAv1.yaml batch=1 device=0|cpu 重现。

有关在 ImageNet 上训练的这些模型的使用示例，请查看 分类文档，这些模型包含 1000 个预训练类别。

• 准确率 值是模型在 ImageNet 数据集验证集上的准确率。
  通过 yolo val classify data=path/to/ImageNet device=0 重现。
• 速度 是使用 Amazon EC2 P4d 实例在 ImageNet 验证图像上的平均值。
  通过 yolo val classify data=path/to/ImageNet batch=1 device=0|cpu 重现。