yolo v8 下载及入门使用 Ultralytics

本文主要是介绍yolo v8 下载及入门使用 Ultralytics，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！

下载了Ultralytics库之后，通常不需要再单独下载YOLOv8。因为YOLOv8作为Ultralytics库中的一个组件或模块，已经被包含在Ultralytics的源代码中。

安装完Ultralytics后，可以直接在代码中导入YOLOv8模型，并使用它进行目标检测任务。

下载Ultralytics

在anaconda环境中创建虚拟环境

conda create -n yolov8_cpu python=3.9.0

进入虚拟环境

activate yolov8_cpu

下载ultralytics

pip install ultralytics

好了，完成了。

---

检测物体：

from ultralytics import YOLO# Load a pretrained YOLOv8n model
model = YOLO('yolov8n.pt')# Run inference on 'bus.jpg'
results = model(['TEST.png', 'brids2.png'])  # results list# Visualize the results
for i, r in enumerate(results):# boxes = result.boxes  # Boxes object for bounding box outputs# masks = result.masks  # Masks object for segmentation masks outputs# keypoints = result.keypoints  # Keypoints object for pose outputs# probs = r.probs  # Probs object for classification outputsr.show()  # display to screen# Save results to diskr.save(filename=f'results{i}.jpg')

这句：model = YOLO('yolov8n.pt')

如果你没有下载'yolov8n.pt'这个文件，他会帮你下载，所以大胆运行。

 运行结果：

0: 640x640 1 person, 1 bicycle, 1 cat, 1 dog, 68.0ms
1: 640x640 1 bird, 68.0ms
Speed: 3.0ms preprocess, 68.0ms inference, 1.5ms postprocess per image at shape (1, 3, 640, 640)

 解释：

0: 640x640 1 person, 1 bicycle, 1 cat, 1 dog, 64.6ms

第一幅图像：图像的高度和宽度都是640像素，什么图像，，，模型对这幅图像进行推理（即对象检测）所花费的时间，以毫秒为单位。

Speed: 3.0ms preprocess, 64.6ms inference, 2.0ms postprocess per image at shape (1, 3, 640, 640)

• 3.0ms preprocess: 这是每幅图像预处理所花费的时间，包括图像加载、缩放、格式转换等操作。
• 64.6ms inference: 这是模型进行对象检测推理所花费的时间，如之前所述。
• 2.0ms postprocess: 这是每幅图像后处理所花费的时间，包括将检测结果转换为边界框、标签和置信度等可读格式。
• per image at shape (1, 3, 640, 640): 这表明上述时间统计是针对形状为(1, 3, 640, 640)的图像的，其中1表示批量大小（即一次处理的图像数量），3表示图像的通道数（RGB），640x640表示图像的尺寸。

 

这篇关于yolo v8 下载及入门使用 Ultralytics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！

---