YOLOv8(Ultralytics)集成SwanLab进行训练监控和可视化

本文主要是介绍YOLOv8(Ultralytics)集成SwanLab进行训练监控和可视化，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

文档：https://docs.swanlab.cn/zh/guide_cloud/integration/integration-ultralytics.html

Ultralytics YOLOv8 是一款尖端、最先进的 （SOTA） 模型，它建立在以前 YOLO 版本的成功基础上，并引入了新功能和改进，以进一步提高性能和灵活性。YOLOv8 设计为快速、准确且易于使用，使其成为各种对象检测和跟踪、实例分割、图像分类和姿态估计任务的绝佳选择。

你可以使用Ultralytics快速进行计算机视觉模型训练，同时使用SwanLab进行实验跟踪与可视化。

集成方法：
1. 引入add_swanlab_callback

from swanlab.integration.ultralytics import add_swanlab_callback

add_swanlab_callback的作用是为Ultralytics模型添加回调函数，以在模型训练的各个生命周期执行SwanLab记录。

2. 嵌入训练代码：

from ultralytics import YOLO
from swanlab.integration.ultralytics import add_swanlab_callbackdef main():model = YOLO("yolov8n.pt")add_swanlab_callback(model)model.train(data="coco128.yaml", epochs=2, imgsz=640, batch=64)if __name__ == "__main__":main()

监控效果：

这篇关于YOLOv8(Ultralytics)集成SwanLab进行训练监控和可视化的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---