YOLOv8模型训练过程
一，conda环境的创建就略过了
先进行库工具安装
pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple
二，在github上下载好模型，先预测一把
yolo predict model=yolov8n.pt source=ultralytics/assets/bus.jpg
如果无法自动下载yolov8n.pt可以先在别的地方下载好，再拖到项目下，在model=下给出文件地址即可
三，准备自己数据集的格式
data （从这里可以看出，在训练时，去同级labels中去寻找对应的标注txt文件的）
——train
——images（一个个的单张图片）
——labels （名字相同的txt文件）
——val
——imags
——labels
四，yaml(这个也可以放绝对路径，绝对路径更安全一些)
train: /data/train
val: /data/val
test: /data/test
# number of classes
nc: 1
五，单卡训练指令
yolo task=detect mode=train model=yolov8n.pt data=E:\yolov8\dataset_2.yaml batch=15 epochs=10 imgsz=640 workers=0 device=cpu六，针对图片进行预测 ——source可以是单张图片，也可以是一个文件夹
yolo task=detect mode=predict model=runs/detect/train/weights/best.pt source=data2/test device=cpu七，onnx的导出
需要安装 onnxslim onnxruntime
pip install onnxslim onnxruntime -i https://mirrors.aliyun.com/pypi/simple/导出onnx的代码
yolo task=detect mode=export model=runs/detect/train/weights/best.pt format=onnx