20.yoloV8
约 291 字小于 1 分钟
简介
YOLOv8基于深度学习和计算机视觉的前沿进展， 提供了无与伦比的速度和准确性表现。 它的精简设计使其适用于各种应用， 并且可以轻松适应不同的硬件平台，从边缘设备到云API
python 环境
安装
pip install ultralytics
pip install torch torchvision numpy matplotlib polars pyyaml pillow psutil requests scipy ultralytics-thop
pip install opencv-python-headless
命令使用以下语法：
yolo 任务 模式 参数
其中 任务（可选）是[detect, segment, classify]中的一个
模式（必需）是[train, val, predict, export, track]中的一个
参数（可选）是任意数量的自定义“arg=value”对，如“imgsz=320”，可覆盖默认值。
官网代码示例
from ultralytics import YOLO
# 从头开始创建一个新的YOLO模型
model = YOLO('yolov8n.yaml')
# 加载预训练的YOLO模型（推荐用于训练）
model = YOLO('yolov8n.pt')
# 使用“coco128.yaml”数据集训练模型3个周期
results = model.train(data='coco128.yaml', epochs=3)
# 评估模型在验证集上的性能
results = model.val()
# 使用模型对图片进行目标检测
results = model('https://ultralytics.com/images/bus.jpg')
# 将模型导出为ONNX格式
success = model.export(format='onnx')