# 知识积累
task2代码中给出了yolov8n和yolov8s两种模型,这两种模型是YOLOv8模型的两种变体。区别主要有以下三个方面:
1.模型大小:
YOLOv8n("nano")是最小的变体,具有较少的参数和计算量。这使得它在速度和内存使用上更加高效,但可能牺牲了一些检测精度。
YOLOv8s("small")比 YOLOv8n 更大,参数和计算量也更多。它通常在准确性上表现更好,但计算需求和内存使用也相应增加。
2.性能:
YOLOv8n 更适合实时应用或者资源受限的设备,例如移动设备或者嵌入式系统,因为它在速度和资源消耗上优化得更好。
YOLOv8s 适合需要更高准确性的应用场景,同时能够容忍较高的计算资源消耗,例如在服务器或高性能计算环境中运行。
3.精度:
YOLOv8s 能够更好地捕捉细节和处理复杂的场景,在目标检测任务中的精度会比 YOLOv8n 高。
YOLOv8n高效、低延迟;但是如果更重视检测精度并且能够接受更高的计算资源消耗,YOLOv8s 会是一个不错的选择。
# 运行过程
将baseline代码中yolov8n换为yolov8s,然后运行即可。实际运行也只花了十几分钟,没有明显感觉到两个模型的计算资源消耗差异。将结果文件提交后成绩也没有明显提升。可能需要调整模型的batch来进一步提升成绩。