1 Ultralytics 简介

Ultralytics 是一个开源的深度学习框架，旨在简化训练、评估和部署视觉模型的过程。该框架提供了一系列流行的视觉模型，包括YOLOv5、YOLOv8、YOLOv11等，并提供了训练、评估和推理的工具和实用程序。

你可以在 Ultralytics 仓库中找到源代码。

我们主要关注仓库下的 ultralytics 文件夹，这里是框架的主要实现部分。

ultralytics

assets

…

cfg提供了全部模型的配置文件

datasets

…

modelsYOLO 系列模型定义在这里

…

trackers

…

...

data提供 DataLoader

…

engine

…

hub

…

models

…

nn提供神经网络主要组件

modules

activation.py

block.py

conv.py

head.py

transformer.py

utils.py

...

solutions

…

trackers

…

utils

…

2 YOLOv8 模型定义

在 Ultralytics 框架中，模型并不是硬编码在 Python 文件中，而是使用 YAML 文件进行配置。

YOLOv8 的配置存储在 ultralytics/cfg/models/v8/yolov8.yaml中。

2.1 nc

nc: 80

其中nc属性定义了类别数量为 80。

2.2 scales

scales:
  n: [0.33, 0.25, 1024]
  s: [0.33, 0.50, 1024]
  m: [0.67, 0.75, 768]
  l: [1.00, 1.00, 512]
  x: [1.00, 1.25, 512]

scales属性定义了不同尺寸型号的参数，这和我们在结构图中看到的一致。每个型号的参数以数组[depth, width, max_channels]的形式存储。

2.3 backbone

backbone:
  - [-1, 1, Conv, [64, 3, 2]]
  - [-1, 1, Conv, [128, 3, 2]]
  - [-1, 3, C2f, [128, True]]
  - [-1, 1, Conv, [256, 3, 2]]
  - [-1, 6, C2f, [256, True]]
  - [-1, 1, Conv, [512, 3, 2]]
  - [-1, 6, C2f, [512, True]]
  - [-1, 1, Conv, [1024, 3, 2]]
  - [-1, 3, C2f, [1024, True]]
  - [-1, 1, SPPF, [1024, 5]]

这部分是最重要的部分之一，定义了 YOLOv8 骨干网络，网络中每一层都以数组[from, repeats, module, args]的形式存储。

from规定该层输入数据由何处传递而来，-1表示上一层；

repeat表示该层的网络组件重复多少次，需要乘以scales配置部分的depth系数。以 YOLOv8s 为例，depth为 0.33，第 5 层的repeat为 6，因此 YOLOv8s 第 5 层C2f模块重复次数为 2 次。

module为类名，表示使用何种组件。

args为初始化时的参数。对于Conv组件，参数为[out_channels_number, kernel_size, stride]；对于C2f组件，参数为[out_channels_number, shortcut]；对于SPPF组件，参数为[out_channels_number, kernel_size]。

2.4 head

head:
  - [-1, 1, nn.Upsample, [None, 2, "nearest"]]
  - [[-1, 6], 1, Concat, [1]]
  - [-1, 3, C2f, [512]] 

  - [-1, 1, nn.Upsample, [None, 2, "nearest"]]
  - [[-1, 4], 1, Concat, [1]]
  - [-1, 3, C2f, [256]]

  - [-1, 1, Conv, [256, 3, 2]]
  - [[-1, 12], 1, Concat, [1]]
  - [-1, 3, C2f, [512]]

  - [-1, 1, Conv, [512, 3, 2]]
  - [[-1, 9], 1, Concat, [1]]
  - [-1, 3, C2f, [1024]]

  - [[15, 18, 21], 1, Detect, [nc]]

这部分定义了 YOLOv8 的 Head 部分。同样是以数组[from, repeats, module, args]的形式存储每一层的配置。

from定义为数组时，表示该层的数据同时来源于两层。如[-1, 4]代表该层数据来源于上一层和第 4 层。

repeat相同。

module中，写明nn类名的模块来自于 PyTorch 实现而非 Ultralytics 实现。如nn.Upsample是调用 PyTorch 的上采样模块。

args为初始化参数。对于nn.Upsample组件，[None, 2, "nearest"]表示做 2 倍上采样、最近邻插值；对于Concat组件，[1]为拼接的维度，即[dim]；对于Detect组件，[nc]表示输出的种类数量。