Wenn Sie auf "Alle Cookies akzeptieren" klicken, stimmen Sie der Speicherung von Cookies auf Ihrem Gerät zu, um die Navigation auf der Website zu verbessern, die Nutzung der Website zu analysieren und unsere Marketingaktivitäten zu unterstützen. Mehr Infos
Cookie-Einstellungen
Wenn Sie auf "Alle Cookies akzeptieren" klicken, stimmen Sie der Speicherung von Cookies auf Ihrem Gerät zu, um die Navigation auf der Website zu verbessern, die Nutzung der Website zu analysieren und unsere Marketingaktivitäten zu unterstützen. Mehr Infos
Entdecken Sie Ultralytics YOLOv8 für hochmoderne Objekterkennung mit Echtzeitgeschwindigkeit, jetzt mit Paperspace-Integration für einfaches Modelltraining.
Die Objekterkennung ist für viele Computer-Vision-Anwendungen von entscheidender Bedeutung, von autonomen Fahrzeugen bis hin zu Sicherheitssystemen. Ultralytics YOLOv8 ist ein fortschrittlicher Objekterkennungsalgorithmus, der bei Echtzeitgeschwindigkeit eine hochmoderne Genauigkeit erreicht und damit ein leistungsstarkes Werkzeug für eine Vielzahl von Anwendungsfällen darstellt. Wir haben YOLOv8 mit der Absicht entwickelt, Menschen und Unternehmen in die Lage zu versetzen, das positive Potenzial der KI zu nutzen.
Wir von Ultralytics freuen uns, unsere neueste Partnerschaft mit Paperspace, einem führenden Anbieter von Infrastruktur für maschinelles Lernen, bekannt zu geben. Ihre leistungsstarke Umgebung Gradient verfügt über eine Vielzahl von Funktionen, mit denen Sie Ihre YOLOv5- und YOLOv8-Modelle mühelos trainieren können. Paperspace Gradient ermöglicht es Ihnen, eine verwaltete GPU-Umgebung in wenigen Sekunden einzurichten.
Erste Schritte mit Ultralytics YOLOv8 und Paperspace
Dank unserer Partnerschaft mit Paperspace ist YOLOv8 jetzt auf der robusten Cloud-Infrastruktur von Paperspace verfügbar. Das bedeutet, dass Sie YOLOv8-Modelle schnell und einfach trainieren und einsetzen können, ohne dass Sie teure Hardware oder zeitaufwändige Einrichtungsprozesse benötigen. Die skalierbare Infrastruktur von Paperspace stellt sicher, dass Sie selbst die größten Datensätze und Trainingslasten bewältigen können, und das alles mit der Leichtigkeit und dem Komfort einer Cloud-basierten Lösung.
Wir bei Ultralytics setzen uns mit Leidenschaft dafür ein, Computer Vision für jedermann zugänglich zu machen. Unsere Partnerschaft mit Paperspace ist ein wichtiger Schritt auf dem Weg zu diesem Ziel. Wir freuen uns darauf, weiterhin zusammenzuarbeiten, um die Grenzen dessen, was mit Computer-Vision-Technologie möglich ist, zu erweitern. Egal ob Sie Entwickler, Forscher oder Unternehmer sind, wir laden Sie ein, uns auf dieser Reise zu begleiten und die Leistungsfähigkeit von YOLOv8 und der Cloud-Infrastruktur von Paperspace selbst zu entdecken.
Was ist neu in YOLOv8
YOLOv8 ist Teil des breiteren Ultralytics-Python-Framework-Angebots. Dieses neue Framework wurde von Grund auf unter Einbeziehung aller Rückmeldungen und Lehren aus unserem äußerst erfolgreichen Produkt YOLOv5 entwickelt.
Globale CLI
Mit der neuen globalen Befehlszeilenschnittstelle können Sie einfach auf Ihre YOLO-Modelle systemweit zugreifen. Sie können jede Operation mit dem Befehl "Yolo" ausführen.
Python-API
Das neue Ultralytics-Framework verfügt über eine spezielle Python-API, mit der Sie Ihre Python-Anwendungen um YOLO-Funktionen erweitern können.
Neue YOLOv8-Modelle
Wir haben das Framework mit neuen YOLOv8-Modellen, die SOTA-Leistung erreichen, und dem Coco-Datensatz eingeführt.
Weitere Einzelheiten über die Verwendung, das Design und die Modellarchitektur finden Sie in den Ultralytics-Dokumenten.
Verwendung von YOLOv8 auf Paperspace Gradient
Die Paperspace-Integration ist über die Ultralytics README zugänglich. Sie führt Sie zum Ultralytics YOLOv8 Notebook auf Paperspace Gradient. Um mit Ultralytics auf Gradient zu beginnen, melden Sie sich einfach an und beginnen Sie mit der Ausführung der Zellen.
Bei Ultralytics gehen wir kommerzielle Partnerschaften mit anderen Start-ups ein, um die Forschung und Entwicklung unserer großartigen Open-Source-Tools zu finanzieren, damit sie für alle kostenlos bleiben. Dieser Artikel kann Affiliate-Links zu diesen Partnern enthalten.