YOLOv8yaml文件结构详解

### YOLOv8 YAML 配置文件结构详解

#### 2.1 许可声明与模型描述
Ultralytics YOLO 🚀, AGPL-3.0 license 表明此代码由 Ultralytics 发布并遵循 AGPL-3.0 开源协议。YOLOv8 object detection model 描述了这是一个用于目标检测的模型，采用 P3 至 P5 层作为输出特征图[^1]。

#### 2.2 类别数量设定 `nc`
`nc: 80` 定义了模型能够识别的目标类别总数，默认情况下为 80 类，这与 COCO 数据集中的分类数目相匹配[^2]。

#### 2.3 模型尺度配置 `scales`
`scales` 参数指定了不同尺寸版本的 YOLOv8 模型，具体如下：

- **n**: nano 版本 (YOLONano)，体积最小且速度最快；
- **s**: small 版本 (YOLOS)，相对小巧但仍保持一定性能平衡；
- **m**: medium 版本 (YOLOM)，提供较好的精度与效率折衷方案；
- **x**: extra-large 版本 (YOLOX)，拥有最佳的表现力但也最耗资源；

这些变体通过调整网络深度、宽度以及最大通道数来实现差异化的架构设计。

# Example of a simplified yolov8.yaml structure
train: ./data/train/
val: ./data/valid/

nc: 80  # number of classes
names: ['person', 'bicycle', ... , 'toothbrush']  # class names list

model:
  depth_multiple: 0.33  # Model depth multiple.
  width_multiple: 0.50  # Model width multiple.

head:
  anchors:
    - [10,13, 16,30, 33,23]  # Anchors for the smallest scale feature map
    - [30,61, 62,45, 59,119]  # Medium scale...
    - [116,90, 156,198, 373,326]  # Largest scale...

training:
  imgsz: 640  # Image size during training and inference
  batch_size: 16  # Batch size used in SGD optimizer