Datawhale AI夏令营第五期-CV task2学习笔记

# 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。