YOLOv8 添加 FPS 输出：一步步教你修改代码

原创于 2025-07-11 17:31:54 发布 · 398 阅读

CC 4.0 BY-SA版权

文章标签：

YOLOv8 添加 FPS 输出：一步步教你修改代码

在使用 YOLOv8 进行模型训练和验证时，我们经常希望看到 FPS（帧率），以便了解模型的处理速度。然而，YOLOv8 默认只输出每阶段的耗时（如 preprocess、inference 等），并未直接打印 FPS。本文将手把手教你如何在 YOLOv8 中添加 FPS 输出。

📌 为什么要输出 FPS？

FPS（Frames Per Second）是衡量模型实时处理能力的重要指标，特别是在部署到边缘设备或嵌入式系统时。
通过打印 FPS，我们可以直观了解模型在当前硬件上的推理速度，便于优化和调优。

🔍 修改步骤概览

找到需要修改的文件
定位代码位置
添加打印 FPS 的代码

接下来，我们逐步操作。

1️⃣ 找到需要修改的文件

YOLOv8 的核心代码位于 ultralytics 目录下。我们需要修改的是模型验证阶段输出的日志。

操作：
在项目根目录下，全局搜索关键字：

postprocess per image

搜索结果会定位到：

ultralytics/engine/validator.py

大约在 第 206 行附近。

这是 YOLOv8 输出每阶段耗时信息的位置，我们就在这里添加 FPS 输出。

2️⃣ 原始代码片段

找到以下代码：

LOGGER.info(
    "Speed: {:.1f}ms preprocess, {:.1f}ms inference, {:.1f}ms loss, {:.1f}ms postprocess per image".format(
        *tuple(self.speed.values())
    )
)

它负责打印每个阶段的耗时（单位：ms）。

3️⃣ 添加 FPS 输出代码

在上面代码后面，添加以下代码：

LOGGER.info(f'FPS: {(1000 / sum(self.speed.values())):.2f}')

这里我们通过计算 每张图片总耗时 的倒数，得到每秒可以处理多少帧（FPS）。

4️⃣ 修改后的完整代码

修改后的代码如下：

LOGGER.info(
    "Speed: {:.1f}ms preprocess, {:.1f}ms inference, {:.1f}ms loss, {:.1f}ms postprocess per image".format(
        *tuple(self.speed.values())
    )
)
LOGGER.info(f'FPS: {(1000 / sum(self.speed.values())):.2f}')

继续往下，还可以看到保存 JSON 和绘图的代码段：

if self.args.save_json and self.jdict:
    with open(str(self.save_dir / "predictions.json"), "w") as f:
        LOGGER.info(f"Saving {f.name}...")
        json.dump(self.jdict, f)  # flatten and save
    stats = self.eval_json(stats)  # update stats

if self.args.plots or self.args.save_json:
    LOGGER.info(f"Results saved to {colorstr('bold', self.save_dir)}")
return stats

这个部分不用修改，仅供参考。

🚀 最终效果

修改后，在训练或验证结束时，终端会输出类似以下信息：

Speed: 1.2ms preprocess, 8.3ms inference, 0.5ms loss, 1.0ms postprocess per image
FPS: 96.15

其中：

Speed 表示各阶段耗时
FPS 表示每秒可处理的图片数

✅ 小结

通过简单修改 validator.py 文件，我们让 YOLOv8 在验证阶段直接输出了 FPS。这个修改适用于训练、验证等阶段，非常适合需要关注实时性能的开发者。