• 🍨 本文為🔗365天深度學習訓練營中的學習記錄博客
• 🍖 原作者：K同學啊

本周任務：根據yolov8n、yolov8s模型的結構輸出，手寫出yolov8l的模型輸出、

文件位置：./ultralytics/cfg/models/v8/yolov8.yaml

一、參數配置

Parameters：

nc：類別數量，即模型可以識別的物體類別數

scales：包含了不同模型配置的尺度參數，用于調整模型的規模，通過尺度參數就可以實現不同復雜度的模型設計。yolov8n、yolov8s、yolov8m、yolov8l、yolov8x五種模型只在depth、width與max_channels這三個參數上有區別。

? ? ? ? ·depth：深度，控制子模塊數量，=int（number*depth）

? ? ? ? ·width：寬度，控制卷積核的數量，=int（number*width）

? ? ? ? ·max_channels：最大通道數

yolov8五種模型性能的詳細參數如下表所示：

?二、模型整體結構

1.Backbone模塊

每一個模塊是一行，每行由四個參數構成。

? ? ? ? ·from：表示當前模塊的輸入來自那一層的輸出，-1表示來自上一層輸出，層編號由0開始計數

? ? ? ? ·repeats：表示當前模塊的理論重復次數，實際的重復次數還要由上面的參數depth_multiple共同決定，該參數影響整體網絡模型的深度

? ? ? ? ·module：模塊類名，通過這個類名在common.py中尋找相應的類，進行模塊化搭建網絡

? ? ? ? ·args：一個list，模塊搭建所需參數，channel，kernel_size，stride，padding，bias等

2.head模塊

數據格式與backbone一致

3.模型結構輸出

注意：結合參數配置中depth、width與max_channels三個參數對比模型結構輸出的異同

yolov8n.yaml

yolov8s.yaml

任務：

回答：

yolov8l.yaml

三、總結

每一個模塊都要好好學習，學了發現沒有想象中的難了，本來不太理解的模型輸出，靠著deepseek和以前資料也搞懂了。果然之前的東西還是得常看，許久不看就容易忘記。