终端运行yolov8

如何在命令行终端运行 YOLOv8 模型
为了在命令行终端中运行YOLOv8模型，用户可以根据不同的任务需求来执行相应的命令。对于模型训练而言，单卡训练可以通过指定配置文件和预训练模型来进行[^1]。
具体来说，如果要从头开始基于YAML配置文件构建并训练新的检测模型，可使用如下命令：
yolo detect train data=coco128.yaml model=yolov8n.yaml epochs=100 imgsz=640
登录后复制
当希望利用已有的.pt格式预训练权重继续训练时，则应修改上述命令中的model参数指向该预训练模型路径:
yolo detect train data=coco128.yaml model=yolov8n.pt epochs=100 imgsz=640
登录后复制
另外一种情况是创建新模型的同时加载特定类型的预训练权重作为初始化起点，在这种情况下需要额外增加pretrained选项指明所使用的预训练权重位置:
yolo detect train data=coco128.yaml model=yolov8n.yaml pretrained=yolov8n.pt epochs=100 imgsz=640
登录后复制
这些命令不仅适用于目标检测任务(task=detect)，还可以针对分类(classify)或分割(segment)等其他计算机视觉任务做相应调整[^2]。
值得注意的是，为了让YOLOv8能够充分利用GPU资源加快计算速度，可以在命令中加入设备参数设置，例如--device 0用于指定第一个可用的GPU进行运算[^3]。
最后，除了关心如何高效地完成训练过程之外，了解模型的实际性能也非常重要。为此，可以借助专门编写的Python脚本来测量每秒帧数(FPS)，以此评估模型效率以及探索可能存在的优化空间[^4]。