ultralytics

ultralytics ultralytics

项目核心内容总结：

1. 功能与性能
   Ultralytics YOLOv8 是一个高效的目标检测框架，提供多种模型版本（n/s/m/l/x），在 COCO 数据集上实现高精度（如 mAP 53.3%）与低参数量（如 3.2M）。支持实时推理（如 160 FPS）和多任务（检测/分割/姿态估计）。

2. 使用方法

   • 安装：pip install ultralytics
   • 训练：yolo train data=coco.yaml model=yolov8n.pt
   • 验证：yolo val
   • 预测：yolo predict model=yolov8n.pt
   • 导出模型：支持 ONNX/TensorRT/PyTorch/TF 等格式。

3. 主要特性

   • 模块化架构，支持自定义配置。
   • 自动混合精度训练与分布式训练加速。
   • 集成可视化工具（如 TensorBoard）。
   • 与主流平台（Weights & Biases、Comet ML）兼容，支持模型跟踪与优化。
   • 开源 AGPL-3.0 许可证，企业可申请商业授权。

注意事项

• 本文档为英文 README 的中文翻译与核心提炼，未包含图片及非核心内容。