YOLOv8网络结构可视化，全图见文尾

1 采用ONNX方式进行查看

YOLOv8可以将其转换为ONNX（Open Neural Network Exchange）格式以便在不同的深度学习框架之间进行模型的导入和导出。同时也十分方便进行可视化。

ONNX作为一种开放的深度学习模型表示格式，旨在实现深度学习框架之间的模型转换和迁移。ONNX文件采用标准的Protobuf格式进行存储，可以存储神经网络的结构和参数。

YOLOv8的ONNX文件通常包含以下组件：

1. 输入节点（Input Node）：定义模型的输入尺寸和数据类型，通常是图像的宽度、高度和通道数。
2. 特征提取网络（Backbone）：包含了卷积层、激活函数和池化层等组件，用于提取图像特征。
3. 特征融合网络（Neck）：用于融合来自不同层级的特征图，以便进行多尺度的目标检测。
4. 检测头（Detection Head）：负责预测目标的类别、位置和置信度等信息。
5. 后处理操作（Post-processing）：包括非极大值抑制（Non-Maximum Suppression）等步骤，用于提取最终的目标检测结果。

1.1 设定网络结构yaml配置

需要直接在cfg中的default.yaml 中指定model，这里就是网络结构的入口