8、YOLOv8教程---安装

如何使用YOLOv8的CLI？
YOLOv8可以通过命令行界面（CLI）轻松访问，并用于任何类型的数据集。

要使用它，只需插入以下命令：

任务在[detect, classify, segment]中选择
模式在[train, predict, val, export]中选择
模型可以是未初始化的.yaml文件或以前训练的.pt文件
源是数据的路径
我可以使用pip安装YOLOv8吗？
除了CLI之外，YOLOv8还作为一个PIP包进行分发，非常适合所有Python环境。这使得本地开发有点困难，但可以在Python代码中充分利用YOLOv8的所有可能性。

您可以从GitHub克隆它：

git clone https://github.com/ultralytics/ultralytics.git
或从pip安装：

pip install ultralytics
在pip安装后，您可以导入一个模型并在您喜欢的Python环境中使用它：

from ultralytics import YOLO 
# Load a model model = YOLO("yolov8n.pt") 
# load a pretrained model 
# Use the model 
results = model.train(data="coco128.yaml", epochs=5) # train the model 
results = model.val() # evaluate model performance on the validation data set 
results = model("https://ultralytics.com/images/cat.jpg") # predict on an image
success = YOLO("yolov8n.pt").export(format="onnx") # export a model to ONNX

访问YOLO模型的另一种方式是通过OpenCV、Ultralytics的Google Colab笔记本，以及通过Keras API和Tensorflow 2。