Ultralytics x Paperspace:通过合作推进目标检测能力
探索用于实时目标检测的 Ultralytics YOLOv8,现已集成 Paperspace 以实现简便的模型训练。

目标检测对于从自动驾驶汽车到安全系统的许多计算机视觉应用至关重要。Ultralytics YOLOv8 是一种先进的目标检测算法,在以实时速度运行的同时可实现最先进的准确率,使其成为适用于广泛用例的强大工具。我们开发 YOLOv8 的初衷是赋能个人和公司,释放人工智能的积极潜力。
在 Ultralytics,我们很高兴宣布我们与领先的机器学习基础设施提供商 Paperspace 达成最新合作。其强大的环境 Gradient 拥有大量功能,可让你轻松训练 YOLOv5 和 YOLOv8 模型。Paperspace Gradient 让你能够在几秒钟内设置托管 GPU 环境。

开始使用 Ultralytics YOLOv8 和 Paperspace#
通过与Paperspace的合作,Ultralytics YOLOv8现已在其强大的云基础设施上可用。这意味着你可以快速轻松地训练和部署YOLOv8模型,而无需昂贵的硬件或耗时的设置过程。Paperspace可扩展的基础设施确保你能够处理即使是最大规模的数据集和训练工作负载,同时享受基于云的解决方案的便捷与轻松。
在 Ultralytics,我们热衷于让每个人都能使用计算机视觉。我们与 Paperspace 的合作是实现这一目标的一大进步。我们很高兴能继续携手合作,突破计算机视觉技术可能性的界限。无论你是开发者、研究人员还是企业主,我们都邀请你加入我们的旅程,亲身体验 YOLOv8 和 Paperspace 云基础设施的强大功能。
Ultralytics YOLOv8 的新功能#
YOLOv8 是更广泛的 Ultralytics Python 框架产品的一部分。这个新框架是从零开始构建的,结合了我们极其成功的产品 YOLOv5 的所有反馈和经验教训。
- 全局 CLI
- 全新的全局命令行接口让你能够在全系统范围内轻松访问 YOLO 模型。你可以使用
yolo命令执行任何操作。

- Python API
- 新的 Ultralytics 框架具有专用的 Python API,允许你使用 YOLO 功能扩展你的 Python 应用程序。

- 新的 Ultralytics YOLOv8 模型
- 我们推出了带有新 Ultralytics YOLOv8 模型的框架,这些模型在 COCO 数据集上实现了 SOTA 性能。

有关使用方法、设计和模型架构的更多详细信息,请参阅 Ultralytics docs。
在 Paperspace Gradient 上使用 Ultralytics YOLOv8#
Paperspace integration 可通过 Ultralytics README 访问。它会带你前往 Paperspace Gradient 上的 Ultralytics YOLOv8 笔记本。要开始在 Gradient 上使用 Ultralytics,只需登录并开始运行单元格即可。


在 Ultralytics,我们与其他初创公司进行商业合作,以帮助我们资助我们出色的开源工具的研发,从而使它们对每个人免费。本文可能包含指向这些合作伙伴的联盟链接。






