YOLOv8从环境搭建到推理训练

鱼不可脱于渊

0、引言硬件配置：使用Mobaxterm_personal_21.4远程操控3060服务器（Linux系统），CUDA版本11.7。使用anaconda作为python环境环境，python为3.8版本。（最好使用3.8版本）本文最终安装的pytorch版本是1.13.1，torchvision版本是0.14.1，其他的依赖库按照requirements.txt文件安装即可。YOLOv8创新点：🍺🍺🍺1😃Backbone。使用的依旧是CSP的思想，不过YOLOv5中的C3模块被替换成了C2f模块，实现了进一步的轻量化，同时YOLOv8依旧使用了YOLOv5等架构中使用的SPPF模块；2😁PAN-FPN。毫无疑问YOLOv8依旧使用了PAN的思想，不过通过对比YOLOv5与YOLOv8的结构图可以看到，YOLOv8将YOLOv5中PAN-FPN上采样阶段中的卷积结构删除了，同时也将C3模块替换为了C2f模块3😑Decoupled-Head。是不是嗅到了不一样的味道？是的，YOLOv8走向了Decoupled-Head；4😂Anchor-Free。YOLOv8抛弃了以往的Anchor-Base，使用了Anchor-Free的思想；5😊损失函数。YOLOv8使用VFLLoss作为分类损失，使用DFLLoss+CIOULoss作为分类损失；6😚样本匹配。YOLOv8抛弃了以往的IOU匹配或者单边比例的分配方式，而是使用了Task-AlignedAssigner匹配方式。1、代码下载代码连接：https://github.com/ultralytics/ultralytics权重连接：https://github.com/ultralytics/assets/releases先睹为快：下载：点击右上角的绿色Code按钮，再点击Download，即可完成代码下载。下载之后导入到服务器端解压。