如何在Python代码中使用GitHub仓库？YOLOv8在Jupyter Labs部署咨询

第一步：通过pip安装YOLOv8 #

必须先安装官方YOLOv8包，直接在Jupyter Lab的代码单元格中运行以下命令：

!pip install ultralytics

该命令会自动下载并安装YOLOv8及所有依赖项（如PyTorch），无需手动处理大部分依赖。

第二步：基础检测代码示例 #

安装完成后，即可编写代码运行YOLOv8。以下是最基础的目标检测实现：

from ultralytics import YOLO

# 加载预训练的YOLOv8轻量模型（可替换为s/m/l/x等更大的模型版本）
model = YOLO('yolov8n.pt')

# 对网络图片进行检测（也可替换为本地图片路径）
results = model('https://ultralytics.com/images/bus.jpg')

# 处理并展示结果
for result in results:
    result.show()  # 弹出窗口显示标注后的图片
    result.save(filename='detected_bus.jpg')  # 将结果保存到本地

联网操作说明 #

• 加载预训练模型时，若本地无对应权重文件，程序会自动联网下载，无需额外配置（ultralytics包已依赖requests库处理HTTP请求）。
• 检测网络图片时，直接传入图片URL即可，程序会自动下载图片并完成检测。
• 离线环境下，需提前下载好预训练权重和图片，传入本地路径即可，例如model('./local_bus.jpg')或YOLO('./yolov8n.pt')。

进阶：在Jupyter单元格内直接显示结果 #

若Jupyter Lab弹窗显示异常，可使用matplotlib在单元格内直接展示检测结果：

import matplotlib.pyplot as plt
from ultralytics import YOLO

model = YOLO('yolov8n.pt')
results = model('https://ultralytics.com/images/bus.jpg')

# 获取带标注的图片数组
annotated_img = results[0].plot()

# 转换格式并显示
plt.figure(figsize=(12, 8))
plt.imshow(annotated_img[..., ::-1])  # 将BGR格式转为RGB
plt.axis('off')
plt.show()

内容的提问来源于stack exchange，提问作者MelinaSimp