目录
1.YOLOV8介绍
2.YOLOV8安装
2.1环境配置
3.数据集准备
1.YOLOV8介绍
Yolov8结构图：
YoloV8相对于YoloV5的改进点：
Replace the C3 module with the C2f module.
Replace the first 6x6 Conv with 3x3 Conv in the Backbone.
Delete two Convs (No.10 and No.14 in the YOLOv5 config).
Replace the first 1x1 Conv with 3x3 Conv in the Bottleneck.
Use decoupled head and delete the objectness branch.
anchor free.
YoloV8精度对比：
2.YOLOV8安装
如果只是为了单纯使用，看下面这篇文章就好。
YOLOv8 保姆级教程（训练自己的数据集）_陈子迩的博客-CSDN博客
如果想为了改变模型的结构，接着往下看。
2.1环境配置
首先推荐使用anaconda配置python环境，不会的看下面这篇博客
最新Anaconda安装-保姆级教程_陈子迩的博客-CSDN博客
conda create -n YOLOv8 python=3.8 #创建YOLOv8的环境conda activate YOLOv8 #激活环境安装pytorch
CUDA 11.6
pip install torch==1.12.0+cu116 torchvision==0.13.0+cu116 --extra-index-url https://download.pytorch.org/whl/cu116 -i https://pypi.tuna.tsinghua.edu.cn/simple
CUDA 11.3
pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 --extra-index-url https://download.pytorch.org/whl/cu113 -i https://pypi.tuna.tsinghua.edu.cn/simple
任选其一
安装依赖包
pip install -r requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple/打开pycharm，载入你的环境。
选择你的python版本，正常新建的conda解释器会自动弹出
接下来 打开pycharm的终端，就是最底下的一行
选择这一个
如果你安装了 ultralytics 包 ，那请卸载掉，如果没有装，跳过这一步。
运行python setup.py install.
不用管中间出现啥
怎么判断自己是否安装成功，主要是看最后输出是否有Finished processing dependencies for ultralytics即可.
3.数据集准备
链接：https://pan.baidu.com/s/1FaBTUQvceUJJu3s1dg4xMg
提取码：ypwa
给大家准备了一个钢铁的数据集
data.yaml放到下面路径
数据集放在下面路径即可
修改yaml中的地址
创建一个my train的文件
放入下面代码
from ultralytics import YOLO# model = YOLO('yolov8n-CF2_ATT.yaml')
# model.train(data='data.yaml', epochs=5)model = YOLO('yolov8n.yaml')
model.train(data='data.yaml', epochs=10)model.train函数的参数在下面选择
配置好后就可以训练了，你也可以根据自己的需求修改模型配置文件
查看结果
配置my val
from ultralytics import YOLOmodel = YOLO(r'D:\YOLOv8\ultralytics\models\yolo\detect\runs\detect\train11\weights\best.pt')
# It'll use the data yaml file in model.pt if you don't set data.
model.val()
# or you can set the data you want to val
model.val(data='data.yaml')以上就是完整的流程
yolov8可能遇到的报错下篇文章给大家罗列
