手把书教你使用YOLOv8推理自己的模型或官网模型

---

---

前言

YOLOv8 是由Ultralytics团队开发的，2023 年发布。YOLO系列模型以其快速和准确的目标检测能力而闻名，并且YOLOv8继承了前几代YOLO模型的优点，同时进行了多方面的改进和优化，以提高检测性能和效率。YOLOv8 常用于目标检测、分割、关键点检测和分类。

---

🎓一、YOLOv8代码下载地址

源码下载地址 ：链接: link
源码提取码: rpe7
注意注意注意：如果在我之前的文章下载过YOLOv8源码，不用重新下载了，没有特殊说明都是用同一个版本的源码

🍀🍀1.官网的预训练模型下载

进入官网的源码下载地址 ：链接: link，往下面拉，看到模型位置，YOLOv8针对不同的场景和应用提供了YOLOv8n、YOLOv8s等不同大小的模型，具体看官网提供的，需要下载哪个，鼠标左键单击下载就行。
我的源码包已经下载好了yolov8n.pt模型了，如果需要其他权重自行下载就行
。

---

🎓二、YOLO环境配置教程

YOLOv11/YOLOv10/YOLOv9/YOLOv8/YOLOv7/YOLOv5 环境都是通用的，只需要安装一次就行

🍀🍀1.pytorch环境安装

手把书pytorch安装教程链接参考链接: pytorch环境安装教程视频

🍀🍀2.其他依赖安装

安装requirements.txt文件的环境，需要注释掉下面两行，前面的步骤已经安装了，不注释的话会覆盖前面的会安装最新版本的pytorch，所以注释掉

没有这个文件可以自己新建一个requirements.txt，然后把下面代码复制进去就好了

# Ultralytics requirements
# Example: pip install -r requirements.txt

# Base ----------------------------------------
matplotlib>=3.3.0
numpy==1.24.4 # pinned by Snyk to avoid a vulnerability
opencv-python>=4.6.0
pillow>=7.1.2
pyyaml>=5.3.1
requests>=2.23.0
scipy>=1.4.1
tqdm>=4.64.0

# Logging -------------------------------------
# tensorboard>=2.13.0
# dvclive>=2.12.0
# clearml
# comet

# Plotting ------------------------------------
pandas>=1.1.4
seaborn>=0.11.0

# Export --------------------------------------
# coremltools>=7.0  # CoreML export
# onnx>=1.12.0  # ONNX export
# onnxsim>=0.4.1  # ONNX simplifier
# nvidia-pyindex  # TensorRT export
# nvidia-tensorrt  # TensorRT export
# scikit-learn==0.19.2  # CoreML quantization
# tensorflow>=2.4.1  # TF exports (-cpu, -aarch64, -macos)
# tflite-support
# tensorflowjs>=3.9.0  # TF.js export
# openvino-dev>=2023.0  # OpenVINO export

# Extras --------------------------------------
psutil  # system utilization
py-cpuinfo  # display CPU info
thop>=0.1.1  # FLOPs computation
# ipython  # interactive notebook
# albumentations>=1.0.3  # training augmentations
# pycocotools>=2.0.6  # COCO mAP
# roboflow

手把书安装教程链接参考链接： 其他依赖库安装，视频教程

---

🎓三、YOLOv8推理

🍀🍀1.新建推理文件

(1)在根目录新建一个python文件，取名为：detect.py

(2)把推理代码复制到detect.py文件
注意注意注意：模型路径改成你自己的路径，还有预测图像也改成你自己的路径
推理的代码如下：

# -*- coding: utf-8 -*-
"""
@Auth ： 挂科边缘
@File ：detect.py
@IDE ：PyCharm
@Motto:学习新思想，争做新青年
@Email ：179958974@qq.com
@qq ：179958974
"""

from ultralytics import YOLO

# Load a model
model = YOLO(model=r'D:\2-Python\1-YOLO\YOLOv8\new-yolov8\ultralytics-main\yolov8n.pt',task='detect')  # load a pretrained model (recommended for training)


# # Train the model
# results = model.train(data='coco128-seg.yaml', epochs=100, imgsz=640)

model.predict(source=r'D:\2-Python\1-YOLO\YOLOv8\new-yolov8\ultralytics-main\ultralytics\assets\zidane.jpg',save=True,show=True)

推理代码的参数解释
1.model参数：该参数可以填入模型文件路径
2.source参数：该参数可以填入需要推理的图片或者视频路径，如果打开摄像头推理则填入0就行
3.save参数：该参数填入True，代表把推理结果保存下来，默认是不保存的，所以一般都填入True
4.show参数：该参数填入True，代表把推理结果以窗口形式显示出来，默认是显示的，这个参数根据自己需求打开就行，不显示你就填False就行
5.task参数：该参数用于指定要执行的任务类型，目标检测任务填detect，yolov8提供四种任务类型，如下：detect(目标检测), segment(目标检测), classify(目标检测), pose(目标检测)

修改完直接鼠标右击运行就行

🍀🍀2.推理结果

拿官网模型进行推理，推理成功，如下图

---

总结

YOLOv8推理自己的模型或官网模型到此结束，有问题可以留言，创作不易，请帮忙点个爱心呗，谢谢