python yolov8

# 导入所需的库
from ultralytics import YOLO

# 加载预训练的YOLOv8模型
model = YOLO('yolov8n.pt')  # 这里使用的是YOLOv8的小型预训练模型，可以根据需要选择其他版本

# 推理模式：对单个图像进行推理
results = model('image.jpg')  # 对名为'image.jpg'的图像文件进行推理

# 打印推理结果
for result in results:
    boxes = result.boxes  # 获取检测框
    for box in boxes:
        print(f"类标签: {box.cls}, 置信度: {box.conf}, 边界框坐标: {box.xyxy}")

# 如果需要保存推理结果到文件
results.save()  # 默认保存到runs/detect/predict/目录下

解释说明：

1. 导入库：我们首先从 ultralytics 库中导入了 YOLO 类。
2. 加载模型：使用 YOLO('yolov8n.pt') 加载了一个预训练的YOLOv8模型。这里使用的 'yolov8n.pt' 是一个小型模型，适合快速测试和原型开发。你也可以根据需要选择其他版本（如 yolov8m.pt, yolov8l.pt 等）。
3. 推理：通过调用模型对象并传入图像路径（例如 'image.jpg'），我们可以对该图像进行推理，并获取检测结果。
4. 处理结果：我们遍历检测结果中的每个检测框，打印出类别标签、置信度以及边界框的坐标。
5. 保存结果：最后，我们可以选择将推理结果保存到文件中，默认保存路径为 runs/detect/predict/。

如果你没有看到代码部分，请检查是否正确安装了 ultralytics 库，并确保你的环境中已经下载了相应的YOLOv8模型文件。