1、新建脚本main.py，也可以建一个yaml文件（避免改到default.yaml），这个yaml文件是在训练时用到


batchsize什么的都可以在yaml文件改，这俩东西不用填

2、两种训练的方法，用的时候可以注释掉其他

from ultralytics import YOLO

if __name__ == '__main__':
    # 方法1、直接使用预训练模型创建模型，都是绝对路径最好
    model = YOLO('yolov8n.pt')
    model.train(**{'cfg':'ultralytics/cfg/exp1.yaml', 'data':'dataset/data.yaml'})
    
    # 方法2、使用yaml配置文件来创建模型,并导入预训练权重.第一次输出真正的预训练权重，计算量以下面的为准
    #这里虽然没有yolov8s.yaml,但是逻辑会判断使用s规模的。不指定默认是n
    model = YOLO('ultralytics/cfg/models/v8/yolov8s.yaml')
    model.load('yolov8s.pt')
    model.train(**{'cfg':'ultralytics/cfg/exp1.yaml', 'data':'dataset/data.yaml'})
    
    # 模型验证
    model = YOLO('runs/detect/yolov8n_exp/weights/best.pt')
    model.val(**{'data':'dataset/data.yaml'})
    
    # 模型推理
    model = YOLO('runs/detect/yolov8n_exp/weights/best.pt')
    model.predict(source='dataset/images/test', **{'save':True})

3、那个AMP老是显示yolov8n，这个不影响，只是测试精度而已，实际使用的还是你自己的模型大小，不是n