本文首发于 CSDN转载请注明出处。先说结论现在搜 YOLOv8 教程最大的信息差是版本线——Ultralytics 家族已经迭代到 YOLO11 和 YOLO26但 YOLOv8 依然是安装、API、训练流程完全一致的可选项教程互不冲突。搞清楚版本关系再动手能省掉大量「教程对不上」的困惑。这篇按「版本线 → 环境搭建 → 首次推理 → 自定义训练 → 高频问题」的顺序走。先分清v8、11、26 是什么关系Ultralytics 这几年的发布脉络大致如下模型发布时间主要变化现状YOLOv82023无锚框头、检测/分割/分类/姿态/OBB 五任务统一维护中生态最成熟YOLO112024C3k2 模块、参数更少精度更高官方主推之一YOLO262025-09无 NMS 端到端推理、移除 DFL面向边缘部署的新线关键事实是它们共用同一个 Python 包安装方式、训练代码、推理 API 完全一致区别只是加载的权重文件不同。把代码里的 yolov8n.pt 换成 yolo11n.pt 就是 YOLO11学习成本为零。以 nano 档为例的官方 COCO 数据YOLOv8n 约 3.0M 参数、37.3 mAPYOLO11n 约 2.6M 参数、38.1 mAP。11 代参数更少、精度略高。新手建议教程跟 v8 的没问题新项目直接用 11 或 26。环境怎么搭一条命令装全家桶这是这个生态最大的优点# 安装 ultralytics自动带上 torch 依赖pipinstallultralytics# 验证安装yolo predictmodelyolov8n.ptsourcehttps://ultralytics.com/images/bus.jpg没有独立 GPU 也能跑CPU 推理没任何问题训练小数据集勉强可以正式训练建议还是上 GPU 或者用云端环境。有 NVIDIA 显卡的话先按显卡驱动装对应 CUDA 版本的 PyTorch再装 ultralytics避免 pip 默认拉到 CPU 版 torch。版本要求方面Python 3.8 以上YOLOv8 对 PyTorch 的要求比 11/26 宽松旧卡旧环境兼容性更好这也是很多存量项目停在 v8 的原因之一。首次推理跑通之后看什么首次推理的意义是验证环境重点看三件事权重文件是否自动下载成功、预测结果图有没有生成、终端输出的检测框信息是否正常。推理输出的默认保存在 runs 目录下图片上会画好检测框和置信度。想换成自己的图片把 source 参数换成本地路径即可换视频、摄像头同样只是换 source 的值。fromultralyticsimportYOLO# 加载预训练模型首次运行自动下载权重modelYOLO(yolov8n.pt)# 三行内完成推理resultsmodel.predict(sourcebus.jpg,saveTrue)forrinresults:print(r.boxes)# 检测框坐标、类别、置信度自定义数据集怎么训练流程是固定的四步准备数据、写配置文件、调用训练、验证评估。数据用 YOLO 格式每张图对应一个同名 txt 标注文件每行是「类别序号 归一化后的框坐标」。标注工具选 LabelImg 或 Label Studio 起步都够用。目录结构按 images 和 labels 两个文件夹组织训练集和验证集分开。# dataset.yaml 示例path:/data/my_datasettrain:images/trainval:images/valnames:0:helmet1:no_helmet# 训练与评估modelYOLO(yolov8n.pt)model.train(datadataset.yaml,epochs100,imgsz640,batch16)metricsmodel.val()# 输出 mAP 等指标训练参数里最常调的是三个epochs 看数据量从一百起步imgsz 一般保持 640batch 按显存调。训练过程的损失曲线和指标图都会自动存在 runs 目录里收敛情况一眼可看。这类训练记录我现在会统一写成短文存档用墨衍做两件收尾的事——批量 GEO 检测扫一遍全部文章在 AI 搜索里的引用状态AI 图文同步把同一篇稿子推到多个平台省掉逐平台重贴密集更新期还能靠发文额度提升不用排队。墨衍会员权益 可以了解一下。常见问题Q显存不够怎么办按顺序做三件事把模型降到 nano 或 small 档、把 batch 调小、把 imgsz 降到 480 或 320。都不行就考虑云 GPU按小时计费跑完释放成本可控。Q训练自己的模型大概需要多少数据单类别几百张起步能看到效果想稳定上生产一般要几千张且覆盖各种角度光照。比数量更重要的是标注质量和数据分布——类别不均衡是大坑必要时做数据增强或过采样。Q商用要注意什么Ultralytics 的开源许可是 AGPL-3.0用了它的代码对外提供服务就要开源修改部分。闭源商用要么购买它的企业许可要么换其他许可的检测框架。个人学习和公司内部使用没有问题。Q和 YOLOv5 的代码能混用吗不建议。v5 和 v8 是两套工程虽然 API 风格相似但配置文件和导出格式有差异。老项目留在 v5 没必要动新项目直接 v8 起步或更高别在两个版本间来回横跳。关于墨衍如果你也在多个平台发技术文章值得看看墨衍。三个最常用的权益——发文额度提升密集更新不再受限、批量 GEO 检测一次扫完全部文章的 AI 引用状态、AI 图文同步一稿多平台分发。点这里了解墨衍会员
