---
comments: true
description: Ultralytics द् वा रा YOLOv8 के आधि का रि क दस् ता वे ज़ ी करण। Various प् रा रू पो ं मे ं मॉ डल को प् रशि क् षि त, मा न् य करे ं , नि रु पि त और नि र् या त करने का कै से करे ं सी खे ं । वि स् तृ त प् रदर् शन आँ कड़ े समे त।
keywords: YOLOv8, Ultralytics, वस् तु पहचा न, पू र् वप् रशि क् षि त मॉ डल, प् रशि क् षण, मा न् यता , भवि ष् यवा णी , मॉ डल नि र् या त, COCO, ImageNet, PyTorch, ONNX, CoreML
---
# वस् तु पहचा न
< img width = "1024" src = "https://user-images.githubusercontent.com/26833433/243418624-5785cb93-74c9-4541-9179-d5c6782d491a.png" alt = "वस् तु पहचा न उदा हरण" >
वस् तु पहचा न एक का र् य है जि समे ं चि त् र या वी डि यो स् ट् री म मे ं वस् तु ओं की स् था न और वर् ग की पहचा न करने का समय शा मि ल हो ता है ।
वस् तु पहचा न एक से ट हो ती है जि समे ं वस् तु ओं को घे रने वा ले बा उं डि ं ग बॉ क् स का पता लगा या जा ता है , सा थ ही प् रत् ये क बॉ क् स के लि ए वर् ग ले बल और वि श् वसनी यता स् को र शा मि ल हो ते है ं । चि त् र मे ं हरी उड़ ी रे स सा मग् री डि टे क् ट करी , बा ं दर को डि टे क् ट करे ं . प् रति स् था न से यह पता चलता है कि वस् तु कहा ँ है या उसकी सटी क आकृ ति क् या है , परं तु कु छ तो है ं है ।
< p align = "center" >
< br >
< iframe width = "720" height = "405" src = "https://www.youtube.com/embed/5ku7npMrW40?si=6HQO1dDXunV8gekh"
title="YouTube वी डि यो प् ले यर" frameborder="0"
allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share"
allowfullscreen>
< / iframe >
< br >
< strong > दे खे ं :< / strong > पू र् व प् रशि क् षि त Ultralytics YOLOv8 मॉ डल के सा थ वस् तु पहचा न।
< / p >
!!! Tip "टि प"
YOLOv8 Detect मॉ डल डि फ़ ॉ ल् ट YOLOv8 मॉ डल है ं , या नी `yolov8n.pt` और [COCO ](https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco.yaml ) पर प् रशि क् षि त है ं ।
## [मॉ डल](https://github.com/ultralytics/ultralytics/tree/main/ultralytics/cfg/models/v8)
YOLOv8 पू र् व प् रशि क् षि त Detect मॉ डल यहा ँ दि खा ए गए है ं । Detect, Segment और Pose मॉ डल [COCO ](https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco.yaml ) डे टा से ट पर पू र् वप् रशि क् षि त हो ते है ं , जबकि Classify मॉ डल [ImageNet ](https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/ImageNet.yaml ) डे टा से ट पर पू र् वप् रशि क् षि त हो ते है ं ।
[मॉ डल ](https://github.com/ultralytics/ultralytics/tree/main/ultralytics/cfg/models ) पहली बा र इस् ते मा ल पर Ultralytics के नवी नतम [प् रका शन ](https://github.com/ultralytics/assets/releases ) से स् वचा लि त रू प से डा उनलो ड हो ते है ं ।
| मॉ डल | सा इज़ < br > < sup > (pixels) | mAP< sup > val< br > 50-95 | स् पी ड< sup > CPU ONNX< br > (ms) | स् पी ड< sup > A100 TensorRT< br > (ms) | पै रा म् स< br > < sup > (M) | FLOPs< br > < sup > (B) |
|--------------------------------------------------------------------------------------|------------------------|----------------------|----------------------------|---------------------------------|---------------------|-------------------|
| [YOLOv8n ](https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n.pt ) | 640 | 37.3 | 80.4 | 0.99 | 3.2 | 8.7 |
| [YOLOv8s ](https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8s.pt ) | 640 | 44.9 | 128.4 | 1.20 | 11.2 | 28.6 |
| [YOLOv8m ](https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8m.pt ) | 640 | 50.2 | 234.7 | 1.83 | 25.9 | 78.9 |
| [YOLOv8l ](https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8l.pt ) | 640 | 52.9 | 375.2 | 2.39 | 43.7 | 165.2 |
| [YOLOv8x ](https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8x.pt ) | 640 | 53.9 | 479.1 | 3.53 | 68.2 | 257.8 |
- **mAP< sup > val</ sup > ** मा न को [COCO val2017 ](http://cocodataset.org ) डे टा से ट पर सि ं गल-मॉ डे ल सि ं गल-स् के ल के लि ए है ।
< br > `yolo` द् वा रा पु नः उत् पन् न करे ं `के द् वा रा वि न् या स करे ं yolo val data=coco.yaml device=0`
- **Speed** [Amazon EC2 P4d ](https://aws.amazon.com/ec2/instance-types/p4/ )
इं स् टे ं स का उपयो ग करके COCO val छवि यो ं पर औसत लि या जा ता है ।
< br > `yolo` के द् वा रा पु नः उत् पन् न करे ं `के द् वा रा वि न् या स करे ं yolo val data=coco128.yaml batch=1 device=0|cpu`
## प् रशि क् षण
100 यु गो ं मे ं 640 आकृ ति वा ले प् रशि क् षि त यो लो वी 8 एन को COCO128 डे टा से ट पर प् रशि क् षि त करे ं । उपलब् ध ता र् कि क तर् को ं की पू री सू ची के लि ए [कॉ न् फ़ ि गरे शन ](/../usage/cfg.md ) पृ ष् ठ दे खे ं ।
!!! Example "उदा हरण"
=== "Python"
```python
from ultralytics import YOLO
# मॉ डल लो ड करे ं
model = YOLO('yolov8n.yaml') # YAML से नया मॉ डल बना एँ
model = YOLO('yolov8n.pt') # प् रशि क् षण के लि ए सि फा रि श कि ए गए पू र् वप् रशि क् षि त मॉ डल लो ड करे ं
model = YOLO('yolov8n.yaml').load('yolov8n.pt') # YAML से बना एं और भा र ट् रा ं सफर करे ं और प् रशि क् षि त करे ं
# मॉ डल को प् रशि क् षि त करे ं
results = model.train(data='coco128.yaml', epochs=100, imgsz=640)
```
=== "CLI"
```bash
# YAML से एक नया मॉ डल बना कर खा ली से शु रू करे ं
yolo detect train data=coco128.yaml model=yolov8n.yaml epochs=100 imgsz=640
# पू र् व प् रशि क् षि त *.pt मॉ डल से प् रशि क् षण शु रू करे ं
yolo detect train data=coco128.yaml model=yolov8n.pt epochs=100 imgsz=640
# यै ता यत् मि क रू प से भा र ट् रा ं सफर करके नया मॉ डल बना एँ और प् रशि क् षण शु रू करे ं
yolo detect train data=coco128.yaml model=yolov8n.yaml pretrained=yolov8n.pt epochs=100 imgsz=640
```
### डे टा से ट प् रा रू प
YOLO डि टे क् शन डे टा से ट प् रा रू प को [डे टा से ट गा इड ](../../../datasets/detect/index.md ) मे ं वि स् ता र से दे खा जा सकता है । कृ पया अपने मौ जू दा डे टा से ट को अन् य प् रा रू पो ं (जै से COCO आदि ) से YOLO प् रा रू प मे ं बदलने के लि ए [JSON2YOLO ](https://github.com/ultralytics/JSON2YOLO ) उपकरण का उपयो ग करे ं ।
## मा न् यता
COCO128 डे टा से ट पर प् रशि क् षि त YOLOv8n मॉ डल की सटी कता को मा न् यता दे ं । मॉ डल प् रदर् शन से जु ड़ ी को ई वि धि नही ं हो नी चा हि ए।
!!! Example "उदा हरण"
=== "Python"
```python
from ultralytics import YOLO
# मॉ डल लो ड करे ं
model = YOLO('yolov8n.pt') # आधि का रि क मॉ डल लो ड करे ं
model = YOLO('path/to/best.pt') # कस् टम मॉ डल लो ड करे ं
# मॉ डल की मा न् यता जा ं चे ं
metrics = model.val() # तु लना करने के लि ए को ई वि धि की आवश् यकता नही ं है , डे टा से ट और से टि ं ग् स या द रखे जा ते है ं
metrics.box.map # map50-95
metrics.box.map50 # map50
metrics.box.map75 # map75
metrics.box.maps # हर श् रे णी के map50-95 से सं बं धि त सू ची
```
=== "CLI"
```bash
yolo detect val model=yolov8n.pt # आधि का रि क मॉ डल की मा न् यता
yolo detect val model=path/to/best.pt # कस् टम मॉ डल की मा न् यता
```
## भवि ष् यवा णी
प् रशि क् षि त YOLOv8n मॉ डल का उपयो ग चि त् रो ं पर भवि ष् यवा णी करने के लि ए करे ं ।
!!! Example "उदा हरण"
=== "Python"
```python
from ultralytics import YOLO
# मॉ डल लो ड करे ं
model = YOLO('yolov8n.pt') # आधि का रि क मॉ डल लो ड करे ं
model = YOLO('path/to/best.pt') # कस् टम मॉ डल लो ड करे ं
# मॉ डल के सा थ भवि ष् यवा णी करे ं
results = model('https://ultralytics.com/images/bus.jpg') # एक छवि पर भवि ष् यवा णी करे ं
```
=== "CLI"
```bash
yolo detect predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg' # आधि का रि क मॉ डल के सा थ भवि ष् यवा णी
yolo detect predict model=path/to/best.pt source='https://ultralytics.com/images/bus.jpg' # कस् टम मॉ डल के सा थ भवि ष् यवा णी
```
पू र् ण `predict` मो ड़ वि वरण को [भवि ष् यवा णी ](https://docs.ultralytics.com/modes/predict/ ) पृ ष् ठ मे ं दे खे ं ।
## नि र् या त
YOLOv8n मॉ डल को अन् य प् रा रू प (जै से ONNX, CoreML आदि ) मे ं नि र् या त करे ं ।
!!! Example "उदा हरण"
=== "Python"
```python
from ultralytics import YOLO
# मॉ डल लो ड करे ं
model = YOLO('yolov8n.pt') # आधि का रि क मॉ डल लो ड करे ं
model = YOLO('path/to/best.pt') # कस् टम प् रशि क् षि त मॉ डल लो ड करे ं
# मॉ डल को नि र् या त करे ं
model.export(format='onnx')
```
=== "CLI"
```bash
yolo export model=yolov8n.pt format=onnx # आधि का रि क मॉ डल को नि र् या त करे ं
yolo export model=path/to/best.pt format=onnx # कस् टम प् रशि क् षि त मॉ डल को नि र् या त करे ं
```
उपलब् ध YOLOv8 नि र् या त प् रा रू प नी चे की सा रणी मे ं है ं । आप नि र् या ति त मॉ डल पर सी धे भवि ष् यवा णी या मा न् यता कर सकते है ं , जै से 'yolo predict model=yolov8n.onnx' आदि । नि र् या त पू र् ण हो ने के बा द आपके मॉ डल के उपयो ग के उदा हरण दि खा ए जा ते है ं ।
| प् रा रू प | `format` तर् क | मॉ डल | मे टा डा टा | तर् क |
|--------------------------------------------------------------------|---------------|---------------------------|----------|-----------------------------------------------------|
| [PyTorch ](https://pytorch.org/ ) | - | `yolov8n.pt` | ✅ | - |
| [TorchScript ](https://pytorch.org/docs/stable/jit.html ) | `torchscript` | `yolov8n.torchscript` | ✅ | `imgsz` , `optimize` |
| [ONNX ](https://onnx.ai/ ) | `onnx` | `yolov8n.onnx` | ✅ | `imgsz` , `half` , `dynamic` , `simplify` , `opset` |
| [OpenVINO ](https://docs.openvino.ai/latest/index.html ) | `openvino` | `yolov8n_openvino_model/` | ✅ | `imgsz` , `half` , `int8` |
| [TensorRT ](https://developer.nvidia.com/tensorrt ) | `engine` | `yolov8n.engine` | ✅ | `imgsz` , `half` , `dynamic` , `simplify` , `workspace` |
| [CoreML ](https://github.com/apple/coremltools ) | `coreml` | `yolov8n.mlpackage` | ✅ | `imgsz` , `half` , `int8` , `nms` |
| [TF SavedModel ](https://www.tensorflow.org/guide/saved_model ) | `saved_model` | `yolov8n_saved_model/` | ✅ | `imgsz` , `keras` , `int8` |
| [TF GraphDef ](https://www.tensorflow.org/api_docs/python/tf/Graph ) | `pb` | `yolov8n.pb` | ❌ | `imgsz` |
| [TF Lite ](https://www.tensorflow.org/lite ) | `tflite` | `yolov8n.tflite` | ✅ | `imgsz` , `half` , `int8` |
| [TF Edge TPU ](https://coral.ai/docs/edgetpu/models-intro/ ) | `edgetpu` | `yolov8n_edgetpu.tflite` | ✅ | `imgsz` |
| [TF.js ](https://www.tensorflow.org/js ) | `tfjs` | `yolov8n_web_model/` | ✅ | `imgsz` |
| [PaddlePaddle ](https://github.com/PaddlePaddle ) | `paddle` | `yolov8n_paddle_model/` | ✅ | `imgsz` |
| [ncnn ](https://github.com/Tencent/ncnn ) | `ncnn` | `yolov8n_ncnn_model/` | ✅ | `imgsz` , `half` |
पू र् ण `export` वि वरण को [नि र् या त ](https://docs.ultralytics.com/modes/export/ ) पृ ष् ठ मे ं दे खे ं ।