1 YOLOv8代码下载

YOLOv8的代码是开源的，大家可以直接通过github下载：

https://github.com/Pertical/YOLOv8

下载到压缩包后进行解压，就得到了YOLOv8的代码：

2 环境准备

这里的前提条件是大家已经安装好了torch，如果没有安装好，不着急，可以查看我的历史文章，也有保姆级安装教程。

从github下载代码后，我们要做的第一件事就是查看README文档，然后准备我们的环境。如果安装过了conda，最好使用conda进行安装：

• 创建一个名为yolov8_env的conda虚拟环境(注意python要>=3.7)：

conda create -n yolov8_env python=3.8 -y

• 激活环境：

conda activate yolov8_env 

• 安装所需要的库：

pip install ultralytics

• 查看安装的库：

conda list

至此，我们yolov8的相关环境已经安装好了，可以开始调用了。

3 YOLOv8的推理与训练

3.1 YOLOv8推理

为了快速验证效果，我们首先来使用yolov8进行推理，在我们的环境中运行命令：

yolo predict model=yolov8n.pt source="https://ultralytics.com/images/bus.jpg"

首先代码会从官网下载权重：

然后执行，界面会给出运行结果的存放路径：

检测结果：

3.2 YOLOv8训练

以COCO数据集为例：

yolo detect train data=coco128.yaml model=yolov8n.pt epochs=100 imgsz=640

这句命令各个字段的含义是：

• train：

表示训练模式

• data=coco128.yaml

表示采用coco128数据集进行训练

• model=yolov8n.pt：

表示使用预训练的yolov8n.pt模型作为初始权重，也可以指定为yaml文件（如yolov8n.yaml）来从头开始训练。

后面两个参数表示训练100个轮次，将图像调整为640x640像素进行训练。

我们看一下实操效果：

如果训练中断还可以恢复训练：

yolo detect val model=path/to/best.pt

当训练完成之后，用我们自己训练好的权重进行预测，注意这里路径要更换，一般在runs/detect/train8/weights/best.pt：

yolo detect predict model=path/to/best.pt source='https://ultralytics.com/images/bus.jpg'

3.3 YOLOv8集成

我们可以直接将YOLOv8集成到 Python 项目中，相当于我们已经安装好了yolov8的库，可以直接在python中调用就好了，实现检测功能：

from ultralytics import YOLO
model = YOLO('yolov8n.yaml')
model = YOLO('yolov8n.pt')
results = model.train(data='coco128.yaml', epochs=3)
results = model.val()
results = model('https://ultralytics.com/images/bus.jpg')

在上面的代码中，我们重新开始训练一个yolo模型，并且加载了预训练参数，训练的数据集为coco，同时在验证机上评估模型性能，最后对目标图片检测。

比如我们建立一个test.py，编写上述代码，再运行：

训练好之后对自己的模型进行验证：

yolo predict model=yolov8n.pt source=ultralytics/assets/bus.jpg

4 YOLOv8训练自己的数据集

我们来做一个口罩检测的项目，数据集地址：https://public.roboflow.com/object-detection/mask-wearing/4

注意要下载yolov8的格式：

下载后我们看看数据集的目录：

训练集的样本：

编辑我们的maskdetect.yaml文件：

path: ../../../yolov8/datasets/MaskDataSet
train: ../train/images
val: ../valid/images
test: ../test/images
nc: 2
names: ['mask', 'no-mask']

将maskdetect.yaml放在YOLOv8-main/ultralytics/yolo/data/datasets/maskdetect.yaml 再将数据集放在datasets中，将datasets文件夹放在和YOLOv8-main同一目录下：

运行命令:

yolo detect train data=./ultralytics/yolo/data/datasets/maskdetect.yaml model=yolov8n.pt epochs=100 imgsz=640

开始训练：

训练完成的模型保存在YOLOv8-main/runs/detect/train中，对其进行测试：

yolo predict model=runs/detect/train31/weights/best.pt source= ../datasets/MaskDataSet/test/images/

看看效果：

训练了100个epoch，效果还可以。

欢迎大家关注我的gzh：阿龙AI日记