yolov8 复现及测试记录

前两天刚刚发布的yolov8简单的复现流程记录

代码下载：GitHub - ultralytics/ultralytics: YOLOv8 🚀 in PyTorch > ONNX > CoreML > TFLite

环境：直接是用之前的yolov5的环境并安装ultralytics，执行下述指令。

pip install ultralytics

测试，python环境下

进入目录ultyralytics/yolo/v8/detect执行predict.py文件进行一个简单的测试(yolov8n)。测试效果如下

对比yolov5s

 一个简单的初步测试记录，待后续深入训练对比。

还未发布论文，更改内容详解：YOLOv8来啦 | 详细解读YOLOv8的改进模块！YOLOv5官方出品YOLOv8，必卷！ (qq.com)

                                                                                   ----------2023.01.11

yolov5及yolov8理论知识简介

yolov5理论

当然yolov5的相关网络详解在网络上已近有很多很多，他们讲解的也十分详细：如YOLOv5网络详解_yolov5网络结构详解_STATEABC的博客-CSDN博客这篇博客。下述网络结果图来自这篇博客。

同时保研笔记八——YOLOV5项目复习-物联沃-IOTWORD物联网 这篇笔记也有十分详细的讲解。

 需要强调的一点是在yolov5-6.0版本将focus删除使用6*6的卷积代替达到同样的效果的同时减少了计算量。

CspLayer的作用是1、增加卷积神经网络的学习能力。2、消除计算瓶颈、降低内存成本。详解：yolox-backbone详解之CSPLayer（含代码_暄染落墨的博客-CSDN博客_csplayer  

                                                                                                                   ----2023.01.31

yolov8训练记录

开始执行的训练指令

yolo task=detect mode=train model=yolov8n.pt data=/***.yaml batch=32 epochs=100 imgsz=640 workers=16 device=1

详解：

YOLOv8教程系列：一、使用自定义数据集训练YOLOv8模型（详细版教程，你只看一篇-＞调参攻略），包含环境搭建/数据准备/模型训练/预测/验证/导出等_Zhijun.li@Studio的博客-CSDN博客

训练数据集及格式与yolov5一样之外需要复制过来改一下路劲即可。

                                                                                                        ------2023.03.24