概述
YOLOv8是Ultralytics公司于2023年1月10日发布的新一代计算机视觉模型。它不仅是YOLO系列的重要里程碑，更是一个兼顾了高性能与易用性的统一AI框架。
YOLOv8在继承前辈优点的基础上，实现了多项关键技术突破，使其在速度和精度上都达到了当时的业界顶尖水平。
- 无锚点（Anchor-Free）检测：告别了传统算法中繁琐的锚框预设，简化了模型设计，使其在处理小目标或密集物体时更加出色。
- 新骨干网络（C2f模块）：采用了更高效的C2f（Cross Stage Partial with two fusion）模块，在保持轻量化的同时，增强了特征提取与融合的能力。
- 解耦检测头（Decoupled Head）：将目标分类和位置回归的任务分开处理，这让模型在训练时能更专注于不同任务，从而提升整体准确性。
- 多任务支持：通过统一的架构，原生支持目标检测、实例分割、图像分类和姿态估计，可以用一套框架解决多种视觉问题
YOLOv8提供了n, s, m, l, x 五种不同大小的预训练模型，方便你在精度和速度之间做权衡
YOLO是基于PyTorch库开发的，而PyTorch则使用python语言开发。由于实际开发中，python版本更新，存在多版本同时安装在电脑，需要一个python虚拟环境管理工具Miniconda。YOLO的安装以下步骤
- Miniconda安装
- PyTorch安装
- YOLO安装
Python虚拟环境Miniconda安装
Miniconda 是一个轻量版的 Python 环境管理工具，专门用来创建、隔离和管理多个 Python 开发环境，特别适合做 AI / 数据分析 / YOLOv8 这类项目。含有以下优点:
- 极致轻量，节省空间
- 按需安装，杜绝臃肿
- 精准隔离，杜绝冲突
- 跨平台统一 官网下载地址，若网络无法访问，可用清华源地址下载下载路径。 由于YOLOv8是在2023年发布，python的安装版本最好选择近似时间，从python3.8到python3.10都可以。 我下载的版本是: Miniconda3-py38_22.11.1-1-Windows-x86_64
安装
双击Miniconda3-py38_22.11.1-1-Windows-x86_64，进入安装界面，注意两点
- 安装路径尽量在c盘，且路径为英文
- 安装配置环境变量，将Miniconda 加入环境变量
安装完成，会再开始菜单中找到Anaconda Prompt，表示安装成功
创建conda虚拟环境
创建conda虚拟环境，为YOLOv8创建独立的运行环境，打开Anaconda Prompt，输入。
conda create -n yolov8 python=3.8
yolov8 是虚拟环境名称，python是指定其版本。开始创建环境所需的工具链，如下图，选择y开始下载。
激活虚拟环境
虚拟环境创建完成后，需要激活虚拟环境，也就是以后所有的操作都需要在该环境下操作。 该步骤相当重要。
conda activate yolov8
如下图，红框内表示激活成功
PyTorch安装
PyTorch 是由 Facebook AI Research（现 Meta AI）开发的开源深度学习框架，广泛应用于计算机视觉、自然语言处理和人工智能研究领域。它以动态计算图为核心特点，代码风格接近 Python，易于上手且灵活性强，支持从研究原型到生产部署的完整流程。同时，PyTorch 提供了强大的 GPU 加速能力（基于 CUDA），以及丰富的生态工具（如 torchvision、torchtext），因此成为目前最主流的 AI 开发框架之一。 其中YOLOv8基于PyTorch开发。 PyTorch分两个版本
- GPU,使用显卡作为数据训练，速度较快，需要N卡
- CPU，使用cpu作为数据训练，一般速度较慢 官网地址，选择与YOLOv8与之较近的版本:v1.13.1。
# ROCM 5.2 (Linux only)
pip install torch==1.13.1+rocm5.2 torchvision==0.14.1+rocm5.2 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/rocm5.2
# CUDA 11.6
pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116
# CUDA 11.7
pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117
# CPU only
pip install torch==1.13.1+cpu torchvision==0.14.1+cpu torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cpu
选择cpu版本，在yolov8虚拟环境中，输入如下
pip install torch==1.13.1+cpu torchvision==0.14.1+cpu torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cpu
开始安装Pytorch，文件较大，安心等待。下载较慢或者不成功，一般网络问题，可帮你一下。
安装过程如下图:
测试安装是否成功，输入如下命令，输出false，则安装成功
python -c "import torch; print(torch.cuda.is_available())"
YOLOv8安装
YOLOv8安装方式有两种，
- 通过命令行方式安装，无法修改源码，通过命令训练
- 通过源码安装，优先选择
命令安装
在虚拟环境下输入：
pip install ultralytics
如下图
源码安装
源码下载,直接在github下载源码，选择code，下载download zip，如下
将源码解压到指定位置，将虚拟环境指向解压目录，输入安装命令，如下图:
# 以可编辑模式（-e）安装，这样修改源代码会立即生效
pip install -e .
安装过程，需要网络环境，若下载失败，可帮你以下。
查看安装编译结果，如下图:
pip list
测试yolov8
进入虚拟环境中，进入到yolov8目录中
- 进入虚拟环境yolov8
- 进入yolo源码目录中
yolo predict model=yolov8n.pt source='./ultralytics/assets/bus.jpg'
yolo会现在模型yolov8n，若下载不成功，一般为网络问题。
如下图表示识别成功。
