YOLOv8 保姆级别安装教程

什么是Yolov8?

yolov8 官方网站

Ultralytics YOLOv8 是一款尖端的、最先进的 (SOTA) 模型，它以之前 YOLO 版本的成功为基础，并引入了新功能和改进，以进一步提高性能和灵活性。YOLOv8 旨在快速、准确且易于使用，使其成为各种对象检测和跟踪、实例分割、图像分类和姿势估计任务的绝佳选择

按照官方描述，YOLOv8 是一个 SOTA 模型，它建立在以前 YOLO 版本的成功基础上，并引入了新的功能和改进，以进一步提升性能和灵活性。具体创新包括一个新的骨干网络、一个新的 Ancher-Free 检测头和一个新的损失函数，可以在从 CPU 到 GPU 的各种硬件平台上运行。
不过 ultralytics 并没有直接将开源库命名为 YOLOv8，而是直接使用 ultralytics 这个词，原因是 ultralytics 将这个库定位为算法框架，而非某一个特定算法，一个主要特点是可扩展性。其希望这个库不仅仅能够用于 YOLO 系列模型，而是能够支持非 YOLO 模型以及分类分割姿态估计等各类任务。
总而言之，ultralytics 开源库的两个主要优点是：

融合众多当前 SOTA 技术于一体
未来将支持其他 YOLO 系列以及 YOLO 之外的更多算法

yolov5与yolov8有什么区别？

下表为官方在 COCO Val 2017 数据集上测试的 mAP、参数量和 FLOPs 结果。可以看出 YOLOv8 相比 YOLOv5 精度提升非常多，但是 N/S/M 模型相应的参数量和 FLOPs 都增加了不少，从上图也可以看出相比 YOLOV5 大部分模型推理速度变慢了。

额外提一句，现在各个 YOLO 系列改进算法都在 COCO 上面有明显性能提升，但是在自定义数据集上面的泛化性还没有得到广泛验证，至今依然听到不少关于 YOLOv5 泛化性能较优异的说法。对各系列 YOLO 泛化性验证也是 MMYOLO 中一个特别关心和重点发力的方向。

Yolov8本地初始化

这里可以看下原先 yolov5的安装示例 这里conda不再赘述.

1、创建yolov8环境
conda create -n yolov8

2、激活yolov8环境
conda activate yolov8

3、安装依赖Ultralytics 
pip install git+https://github.com/ultralytics/ultralytics.git

4、拉去ultralytics到本地
git clone https://github.com/ultralytics/ultralytics.git
cd ultralytics

5、直接用yolo命令，这个是yolov8一个好用的特性
yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'
(注意：这个模型如果没有在目录下会自动下载，需要魔法噢，不然会超时~)

6、执行后会在runs目录生成推理图

效果图：

Yolov8命令

基础语法
yolo [TASK] [MODE] [Option.....]

yolo detect predict model=yolov8n.pt source=‘https://ultralytics.com/images/bus.jpg’
yolo classify predict model=yolov8n.pt source=‘https://ultralytics.com/images/bus.jpg’

任务：

• detect :检测
• classify：分类
• segment: 分段
• pose: 姿势

模型：

• train 训练
• val 验证
• predict 推理
• export 导出
• track 轨道

基于python调用

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n.yaml")  # build a new model from YAML
model = YOLO("yolov8n.pt")  # load a pretrained model (recommended for training)
model = YOLO("yolov8n.yaml").load("yolov8n.pt")  # build from YAML and transfer weights

# Train the model
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

基于yolov8初步用法就到这里结束啦
下个章节说说训练自己的数据集和Flask接入开发自己的识别应用。敬请期待

如果你熟悉yolov5,那么配置yolov8就简单很多，如果你不熟悉你可以回顾以下内容：

《YOLOv5 安装详细教程 基于conda》

看↓↓↓方格或搜索： 码猿趣事，回复关键字：yolov5持续更新中~。