基本使用

• 检测：

  yolo detect data=<dataset.yaml> model=<model.pt> imgsz=<640> conf=0.3 iou=0.4

• 训练：

  yolo train data=<dataset.yaml> model=<model.yaml> epochs=<300> imgsz=<640> batch=<16> device=<0,1,2,3>

• 验证：

  yolo val data=<dataset.yaml> model=<model.pt> imgsz=<640>

常用参数详解

• data: 数据集配置文件，指定了数据集的路径、类别数量等信息。
• model: 模型定义文件或预训练模型权重文件。
• epochs: 训练的总轮数。
• imgsz: 输入图像的尺寸，影响模型的输入分辨率。
• batch: 每批次的图像数量，影响内存和显存的使用。
• device: 使用的设备编号，可以是 CPU 或 GPU 编号，如 0 或 0,1,2,3 表示使用多个 GPU。
• conf: 检测时的置信度阈值，低于该阈值的预测结果将被忽略。
• iou: 非极大值抑制（NMS）使用的交并比阈值。
• source: 指定用于检测的图像文件夹或视频文件路径。

高级参数

• save: 是否保存训练过程中的模型权重。
• save_period: 保存模型的周期，如 -1 表示不保存，1 表示每轮保存一次。
• cache: 是否缓存数据，可以加速数据加载。
• workers: 数据加载的工作线程数。
• pretrained: 是否使用预训练的权重开始训练。
• optimizer: 使用的优化器，如 SGD、Adam 等。
• lr0: 初始学习率。
• lrf: 最终学习率。
• momentum: 动量参数。
• label_smoothing: 标签平滑技术，用于正则化模型输出。

环境参数

• project: 指定保存模型、日志和其他输出的目录。
• name: 当前运行的名称，用于区分不同的训练或检测任务。

可视化和调试参数

• show: 是否在训练或检测时显示结果。
• visualize: 是否生成可视化的损失曲线等信息。
• plots: 是否生成训练过程中的损失和准确率曲线图。

其他

• help: 显示帮助信息。
• all: 运行所有模式（检测、训练、验证）。

获取帮助

要获取 YOLOv8 的具体帮助信息，你可以在命令行中使用以下命令：

yolo --help yolo train --help yolo detect --help yolo val --help

这些命令将显示所有可用的参数和它们的详细说明。由于 YOLOv8 仍在开发中，具体的参数和命令可能会有所变化，因此强烈建议查看最新的官方文档或使用 help 命令来获取最准确的信息。