qq_45050922的博客

需要将数据集配置文件下(cfg\datasets\seaships.yaml)，path，train，val，test键配置好正确的地址值。在YOLOv8代码中，模块的存放位置，主要集中在 ultralytics
n\modules\Conv.py。在YOLOv8中，为新添加的模块配置输入参数列表，在task文件下的parse_model方法中配置。3. 对新添加的模块，配置参数列表 ultralytics
n\task.py。2. 将新设计好的模块，添加到代码中。

8. 创建一个新环境： conda create -n yolov8 python=3.9.19。2. 查看CUDA版本： nvcc --version 或 nvcc -V。复制命令： Ctrl+Shift+C。粘贴命令： Ctrl+Shift+V。1. 利用Prompt，查看python版本 python -V。3. 查看Ubuntu的版本： lsb_release -a。复制命令： Ctrl+C。粘贴命令： Ctrl+V。5. 显示该位置下的所有文件： ls。

3. 安装google拼音输入法 sudo apt install fcitx-googlepinyin。2. 安装fcitx输入法框架 sudo apt install fcitx。1. 将google拼音输入法，设置为最高优先级。1. 更新源 sudo apt update。1. 将键盘输入法系统，切换成Fcitx 4。2. ctrl+空格，可实现中英文切换。打开Ubuntu终端。

注释：导出onnx模型的时候，需要设置opset=11，不然导出模型可能会报错，或者会出现警告。此外，最好设置动态导出onnx，这样模型的输入就不会仅限制在640*640，而可以是任意batch_size，还有任意尺寸的图片了，并且可以同时预测batch_size张图片。验证文件 validation.py。导出文件 exportion.py。验证其实是加载验证集，然后使用best.pt进行推理，得到的各项指标数据。预训练权重文件 yolov8s.pt。

注释：在设置模型规模(n，s，m，l，x)的时候，直接通过Model_yaml参数来设置：model_yaml=r"D:\edge\YOLO\YOLOv8_Official_Version\ultralytics\cfg\models\v8\yolov8s.yaml"，虽然该路径下没有yolov8s.yaml的文件，但是v8可以识别出来选择的模型类型。路径：ultralytics\cfg\models\v8\yolov8.yaml 模型加载文件 只需要修改类别数nc即可。train(文件夹)