YOLOv8 从环境搭建到推理训练
河伯187 2024-06-14 08:35:09 阅读 70
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VFL Loss作为分类损失，使用DFL Loss+CIOU Loss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-Aligned Assigner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。
声明
本文内容仅代表作者观点，或转载于其他网站，本站不以此文作为商业用途
如有涉及侵权，请联系本站进行删除
转载本站原创文章，请注明来源及作者。