建立所需環境

1. 利用anaconda創建一個yolov8的環境，並啟動。

   conda create -n yolov8 python==3.8
   conda activate yolov8
   

2. 安裝yolov8套件

   pip install ultralytics
   

3. 下載yolov8程式碼
4. 進到下載好的程式資料夾中，安裝剩餘的套件。

   pip install -e ultralytic
   

5. 預測一下圖片，確認安裝是否完成:
   • 網路上下載一張影像，這邊我下載一張country living網站-狗的圖片
   • 並將圖片存放在yolov8資料夾裡面。

   yolo task=detect mode=predict model=yolov8n.pt conf=0.25 source='./dog.jpg'
   

   
   *輸出圖片會存放在runs\deetect\predict資料夾中:
   
   • 執行完成這個指令的同時，會將yolov8n.pt權重檔下載下來。

訓練階段(以飛機機身缺陷偵測資料集為例)

1. 創建一個名稱為data的資料夾，並將aircraft_fuselage_yolo的資料集內容複製進去。
2. 在data資料夾中，再創建一個custom.yaml的檔案，存放以下內容，也可以直接將yolov7資料夾中，放在data資料夾中的custom.yaml複製過去使用:

   train: '.\data\images\train'
   val: '.\data\images\val'
   test: 
   nc: 4
   # class names
   names: ['scratch','paint_peel','rust','rivet_damage']
   

3. 執行訓練指令:

   yolo task=detect mode=train model=yolov8n.pt imgsz=640 data=.\data\custom.yaml epochs=300 batch=2 name=yolov8_it30
   

成功執行會出現以下圖片的畫面，並開始訓練。

這邊同樣只演示能成功進行訓練的步驟，沒有讓訓練跑到底，後續回到宿舍後，會利用散熱效果較好的桌上型電腦進行訓練，並在最後的幾篇文章中，統一將每一代的YOLO訓練結果數據進行展示。