1. YOLO入门：目标检测概述、YOLO发展史与课程环境搭建

各位同学，欢迎来到《YOLO自定义模型训练与数据集制作实战》的第一章。

目标检测，说白了就是让计算机在图像里找到“什么东西在哪儿”。它不像分类只回答“这是什么”，也不像分割要抠出每个像素。检测要同时输出类别和位置框——这两个信息组合起来，才是工业场景真正需要的。

我刚开始做检测项目时，踩过一个坑：用分类模型硬改回归头去预测坐标，结果收敛极慢，精度还差。后来才明白，检测任务需要专门的网络结构设计。而YOLO，就是这类设计里最经典的代表。

1.1 目标检测的核心任务与评价指标

先搞清楚我们要解决什么问题。一张图进来，模型要输出：

• 类别：每个目标属于哪一类（人、车、猫……）
• 边界框：用 (x, y, w, h) 或 (x1, y1, x2, y2) 表示位置
• 置信度：模型对这个预测有多确定

评价模型好坏，主要看两个指标：

1.2 YOLO发展史：从v1到v8

YOLO的全称是You Only Look Once。为什么叫这个？因为之前的检测方法（比如R-CNN系列）需要“先提候选区域，再逐个分类”，相当于看很多眼。YOLO只用一眼——一次前向传播就同时预测类别和位置。

下面这张图是我整理的YOLO演进路线，帮你快速建立全局认知：

每个版本我都实际用过。说几个关键节点：

• YOLOv1：把检测当作回归问题，思想很惊艳，但小目标基本检测不到。我记得第一次跑v1，对着调参调了一周。
• YOLOv3：真正能用的版本。多尺度预测解决了小目标问题，Darknet-53骨干网络至今仍有参考价值。
• YOLOv5：PyTorch实现，Ultralytics出品，安装即用。我团队现在80%的项目都基于v5或v8。
• YOLOv8：2023年发布，支持检测、分割、姿态估计、分类。Anchor-Free设计，部署更友好。

1.3 YOLO应用场景

YOLO能做什么？我列几个真实落地的案例：

1.4 课程环境搭建

工欲善其事，必先利其器。下面是我个人习惯的环境配置方案，经过多个项目验证，兼容性最好。

1.4.1 硬件要求

• GPU：NVIDIA显卡，显存≥4GB（推荐8GB以上）
• 内存：≥16GB
• 硬盘：SSD，剩余空间≥50GB（数据集很占空间）

1.4.2 软件版本对照

版本匹配是最大的坑。我曾经因为CUDA和PyTorch版本不匹配，浪费了整整一天。下面这个表是我实测过的稳定组合：

1.4.3 安装步骤

我个人习惯用conda管理环境，干净、可复现。下面是完整流程：

# 1. 创建虚拟环境
conda create -n yolov8 python=3.10 -y
conda activate yolov8

# 2. 安装PyTorch（以CUDA 11.8为例）
pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cu118

# 3. 验证PyTorch和CUDA是否可用
python -c "import torch; print(torch.cuda.is_available()); print(torch.__version__)"
# 输出应为：True 和 2.0.1

# 4. 安装Ultralytics（YOLOv8）
pip install ultralytics

# 5. 验证安装
yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'

1.4.4 验证环境

安装完成后，运行下面这段代码，确认一切正常：

import torch
from ultralytics import YOLO

# 检查GPU
print(f"CUDA可用: {torch.cuda.is_available()}")
print(f"GPU数量: {torch.cuda.device_count()}")
print(f"当前GPU: {torch.cuda.get_device_name(0)}")

# 加载预训练模型
model = YOLO('yolov8n.pt')

# 推理测试
results = model('https://ultralytics.com/images/bus.jpg')
results[0].show()  # 显示检测结果

如果能看到检测框画在图片上，恭喜你，环境搭建成功！