U神出品了最新的yolov8，从公开的参数量来看确实很优秀！！！！比如下图得一些指标：
可以看到s模型640得map已经达到了44.9，v8n得map也已经达到了37.3，很强了，但是实际上是怎么样呢，我使用个人数据集进行了测试，本人得数据集在偏向于小目标，只有一类。如下图所示。
(局部图像)
1、先下载源码，之前也写过教程，那时还没正式放出来
ultralytics/ultralytics: YOLOv8 🚀 in PyTorch > ONNX > CoreML > TFLite (github.com)
需要 pip install ultralytics(如果不安装也行，但是训练结束val时候会出现错误)
2、开始训练，具体训练过程，准备数据集就不说了，具体得可以看我另外一篇教程
https://zhanghuiyolodet.blog.csdn.net/article/details/128578025
https://zhanghuiyolodet.blog.csdn.net/article/details/128578025主要说说训练的情况：
我使用了自己数据集训练得好几波：
1、使用yolov8s训练(2000轮，真就一直训到了2000轮，不会象是yolov5一样收敛了就不训了)第一次map50=0.915，第一次训练依旧是2000轮，依旧是训练跑完2000轮了，map=0.91,map相差了0.5个点。(训练结果被我删除了，因为上面那个错误，然后我把run文件夹全部删除了。。。。。)
2、第二次依旧是yolov8s模型，训练了4000轮，依旧跑满了4000轮了(日了狗)，然后map50=0.913
3、第三次用yolov8n跑了2000轮，依旧是跑满了2000轮，map=0.916.....是的和s一样。。
4、接下来我改了了C2F结构
第一次训练:（1500轮，map=903）
第二次训练(1500轮，map=903,我当时觉得是不是我的c2f改废了)
第三次训练：(500轮，map=0.916)
不知道是不是我改了c2f结构得原因，导致后面训练还不如前面得，，回头大家可以自己测试下，，设置不同的轮次进行实验。。。
后续我会继续做实验进行比对。。。。。当然这是过年之后得事了，哈哈哈哈哈
