Yolov8 [终止随版本演进]

概述

YOLOv8（You Only Look Once version 8）是YOLO系列算法中的第八个版本，是一种基于深度学习的目标检测模型。尽管其主要用途是目标检测（即同时预测目标的位置和类别），但YOLOv8也具备强大的图像分类能力，通过检测图像中的目标并确定其类别，间接实现了分类功能。

• 参考实现：

  url=https://github.com/ultralytics/ultralytics
  commit 25307552100e4c03c8fec7b0f7286b4244018e15
  

支持模型

Modality	Mode	训练方式
coco2017	images	FP32

准备训练环境

安装昇腾环境

请参考昇腾社区中《Pytorch框架训练环境准备》文档搭建昇腾环境，本仓已支持表1中软件版本。

表 1 昇腾软件版本支持表

软件类型	首次支持版本
FrameworkPTAdapter	6.0.0
CANN	8.0.0

安装模型环境

• 当前模型支持的 PyTorch 版本如下表所示。

  表 2 版本支持表

  Torch_Version
  PyTorch 2.1

• 环境准备指导。

  请参考《Pytorch框架训练环境准备》搭建 torch 环境。

• 安装依赖。 首先进入代码目录：

  cd model_examples/Yolov8
  

  然后按步骤安装依赖：

  1. 设置Yolov8

     git clone https://github.com/ultralytics/ultralytics
     git checkout tags/v8.2.103
     git apply Yolov8.patch
     

  2. 安装Driving SDK加速库

     请参考昇腾Driving SDK代码仓说明编译安装Driving SDK

  3. 对应的环境变量添加至 test/env_npu.sh 文件中。

准备数据集

1. 用户需自行下载 coco2017 数据集，放在 datasets 目录下，或者自行构建软连接，结构如下：

datasets
|-- annotations
|-- images
    |-- train2017
    |-- val2017
|-- labels
    |-- train2017
    |-- val2017

除了 datasets 目录，其他为原始仓库已有目录。

下载预训练权重

1. 在官网下载预训练权重yolov8n.pt，放在和模型脚本同级目录下

开始训练

回到最开始的模型目录：

cd model_examples/Yolov8

• 单机8卡训练

  bash test/train_full_8p_base_fp32.sh # 8卡训练，默认训练20个epochs
  

训练结果

NAME	Mode	Epoch	mAP50	mAP50-95	FPS
8p-Atlas 800T A2	FP32	20	0.51	0.361	214.64
8p-竞品A	FP32	20	0.511	0.362	479.73

版本说明

变更

2024.12.30：首次发布。

FAQ