yolov8可以用作目标检测，分割，姿态，跟踪。这里举例目标检测从标注到训练的过程。
官网连接
先把代码下载下来，这个不用说了。

然后准备数据集，创建一个文件夹dataset（自己命名），下面有images和labels.

images和labels文件夹下分别创建train和val文件夹，
把用作训练的图片放进train, 用作validation的图片放进val.
这时labels文件夹下的train和val都为空，因为还没有标注。

标注

可以用labelme或者其他工具标注，这里用makesense.ai,
这个只支持目标框和图像分类，并不支持分割。

点get started，打开train或val整个文件夹的image, 选择“目标检测”，然后点start project就可以开始标注，

标完框之后，选择右边的select label, 会提示label为空，点击label为空的地方，会出现编辑label。
编辑完保存之后下次标注就能直接选择label.

train文件夹或者val文件夹中的所有图片标完之后，选择“Export Annotations"。然后选择YOLO格式。会得到zip文件。
分别解压到labels文件夹下的train, val中，标注结束。

训练

数据集放在ultralytics/datasets下面。

创建自己的custom.yaml文件，放在ultralytics/datasets下面。
编辑路径，label.

写训练代码：

from ultralytics import YOLO

if __name__ == "__main__":
    #train
    model = YOLO('yolov8n.pt')

    model.train(
        data="ultralytics/datasets/custom.yaml",
        epochs=50,
        imgsz=640,
        batch=2,
        save_period=10,
    )

测试效果