yolov8取消下载权重

### 如何在使用 YOLOv8 时阻止或取消自动下载预训练权重

为了防止 YOLOv8 自动下载预训练权重，可以采取以下几种方法：

#### 方法一：设置 `pretrained` 参数为 False
当初始化模型实例时，可以通过将 `pretrained=False` 来禁用预训练权重的加载。这使得程序不会尝试去互联网获取任何默认的预训练文件。

from ultralytics import YOLO

model = YOLO('yolov3-tiny', pretrained=False)

这种方法适用于那些希望从头开始训练自己定制化模型的情况[^1]。

#### 方法二：离线环境配置
如果工作在一个完全隔离的环境中，则应确保 Python 虚拟环境已经包含了所有必要的依赖项，并且提前手动下载所需的初始权重文件并放置于指定路径下。之后，在创建模型对象的时候直接指向本地存储的具体 `.pt` 文件而不是远程资源链接。

import torch
from pathlib import Path

weights_path = str(Path.home() / 'my_local_weights' / 'yolov3-tiny.pt')
device = "cuda" if torch.cuda.is_available() else "cpu"
model = torch.hub.load('ultralytics/yolov5', 'custom', path=weights_path, source='local').to(device)

此方式不仅能够避免不必要的网络请求，还能加快启动速度，特别是在频繁调用 API 或者批量处理任务时显得尤为重要[^2]。

#### 方法三：修改源码中的默认行为
对于高级用户来说，还可以考虑深入研究框架本身的实现逻辑，找到负责触发在线下载动作的那一部分代码片段（通常位于库函数内部），对其进行适当调整甚至重写以满足特定需求。不过这种做法风险较大，建议仅限熟悉项目结构和技术栈的人士采用。

以上三种方案都可以有效地解决不想让应用程序自行联网抓取最新版本的问题，具体选择哪一种取决于实际应用场景和个人偏好。