1.网址收集
Yolov8官方网站：Train - Ultralytics YOLO Docs
github
非官方介绍教程网站：
【YOLOv8系列】（二）YOLOv8环境配置，手把手嘴对嘴保姆教学-CSDN博客
【YOLOv8系列】（三）YOLOv8应用实践：从识别到分类再到分割的全方位视觉解决方案-CSDN博客
【YOLOv8系列】（四）YOLOv8使用自己的数据集进行模型训练，成就感满满_yolov8训练自己的数据集-CSDN博客
数据集的网站：杂草检测：Datasets - Weed-AI (sydney.edu.au)
数据集转换：coco、voc、yolo标签格式互转（json、xml、txt）
2.学习思路：
1.先配置开发环境，包括vscode（集成开发环境）、anaconda（虚拟环境管理工具）、cuda、cudnn（这两个都是）、ultralytics（yolo8）
注意：cuda、cudnn等环境的版本对齐，我的环境是
torch 2.1.2 pypi_0 pypi
torchvision 0.16.2 pypi_0 pypi
conda 23.11.0 py311haa95532_0 defaults
ultralytics 8.1.8 pypi_0 pypi
conda 23.11.0 py311haa95532_0 defaults
conda-content-trust 0.2.0 py311haa95532_0 defaults
conda-libmamba-solver 23.12.0 pyhd3eb1b0_1 defaults
conda-package-handling 2.2.0 py311haa95532_0 defaults
conda-package-streaming 0.9.0 py311haa95532_0 defaults
配置完了之后可以在终端窗口输入：
yolo predict model=./model/yolov8n.pt source='https://ultralytics.com/images/bus.jpg'
检测是否能运行
2.数据集格式转换：不同的算法要求的数据集格式有所区别，weed提供的是coco格式的数据集要转换成xml在转换成txt
3.训练：
4.推理：