1.环境配置：
此处建议参考我之前的文章，点击这里。
PS：
1.建议下载miniconda，若是在Linux上安装，可以参考我这篇文章。
2.建议使用Pip在一个Python>=3.8环境中安装ultralytics包，此环境还需包含PyTorch>=1.7。
2.ultralytics (YOLOv8)的下载与安装：
法一：直接使用源码 (不是很推荐，无法使用命令行工具)
GitHub网址：https://github.com/ultralytics/ultralytics
进入网址，点击Code，然后点击Download下载zip压缩包
解压并用VScode打开
pip直接安装(官方推荐，个人不是很推荐)
进入对应的conda环境，输入如下命令：
pip install ultralytics安装完成后才可以输入命令正常使用。
YOLOv8 可以在命令行界面（CLI）中直接使用，只需输入 yolo 命令：
yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'
yolo 可用于各种任务和模式，并接受其他参数，例如 imgsz=640。查看 YOLOv8 CLI 文档以获取示例。
不推荐该安装方式的原因：无法方便修改的修改源码。
法二：pip源码安装(个人推荐)
下载：
https://github.com/ultralytics/ultralytics && unzip ultralytics-main.zip && cd ultralytics-main
进入对应conda环境，并进入ultralytics-main目录下
安装命令：
pip install -e .PS:不要在外网的情况下进行安装，会安装失败。
检查是否安装成功：
pip list
有红圈处即为成功。
3.检验是否安装成功：
在vscode目录中找到刚刚安装的ultralytics目录，在其里面的engine目录下找到model文件
predict方法表示为预测方法，因此在此方法内增加一个print语句。
在cmd终端输入检测命令（这里开始法一和法二检测方法一样，上面的步骤法一不需要）
yolo predict model=yolov8n.pt source=ultralytics/assets/bus.jpg
显示print内的文字即为成功。检测结果为4人，1车，1站牌，花了71毫秒。
也可以通过新建.py文件，运行代码，查看是否安装成功
from ultralytics import YOLO
yolo = YOLO("./yolov8n.pt", task="detect")
result = yolo(source="./ultralytics/assets/bus.jpg", save=True)
其中save表示是否把结果保存下来，设为true则为保存，结果如下图
