yolov8的部署，训练，测试（利用ultralytics)_yolov8n.pt下载

1.下载yolov8的相关文件夹

github：YOLOv8-github

gitee:YOLOv8-gitee

2.配置环境

根据文件夹里的README.zh-CN进行环境部署。需要安装ultralytics

另外还需要进入下载好的文件夹，在当前环境下：pip install -r requirements.txt

3.训练yolov8模型（train）

1. 下载相应的训练模型

yolov8s.pt下载地址：yolov8s.pt

yolov8n.pt下载地址：yolov8n.pt

2. 新建.py文件进行环境测试

在路径下新建python脚本文件\ultralytics\demo.py，复制readme文档里面的python行，就像运行yolov5的模型一样，运行该脚本文件。

可以检测出自己的环境是否正确，使用yolov8自带经典图片进行测试

或者直接在anaconda的prompt中的终端环境下，运行：

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

保存在runs\detect\predict中，Results saved to 存放地址：

说明环境配置正确了。

3. 训练自己的模型，先创建dataset文件夹，创建my.yaml

yolo数据集格式：

标签格式是：

最后把自己的数据集整理成yolo的格式，并创建my.yaml，把数据集datasets放到\ultralytics里，my.yaml放入ultralytics/cfg/里面

4.在conda下运行下面命令：

yolo train data=data/data.yaml model=yolov8s.pt epochs=300 imgsz=640 batch=8 workers=0 device=0

在我的电脑上就是：

yolo train data=E:/yolov5/yolov8/yolov8/ultralytics-main/ultralytics/cfg/datasets/my.yaml model=yolov8s.pt epochs=300 imgsz=640 batch=8 workers=0 device=0

data要换成自己文件夹下的位置yaml

成功训练！

训练结果：

4.测试训练后的模型（可以不用这一步）

  要么可以修改default.yaml, 修改mode: val，model：/runs/detect/train7/weights/last.pt , 直接输入yolo cfg=/文件的路径/default.yaml

  要么和train运行命令一样：

yolo val data=E:/yolov5/yolov8/yolov8/ultralytics-main/ultralytics/cfg/datasets/my.yaml model=E:/yolov5/yolov8/yolov8/ultralytics-main/runs/detect/train7/weights/last.pt 

不过前面训练过程已经val测试了，可以不用这一步了。

5.显示test每张图片检测的结果

yolo predict model= E:/yolov5/yolov8/yolov8/ultralytics-main/runs/detect/train7/weights/last.pt source= E:/yolov5/yolov8/yolov8/ultralytics-main/ultralytics/dataset/images/test（图片文件路径）