Ultralytics库以YOLO系列模型为核心，支持目标检测、实例分割、姿态估计、图像分类和跟踪等功能。以YOLO5模型为例，下图为Ultralytics库提供的各种类型的YOLO5模型文件，从上向下文件检测精度逐步增加，同步文件尺寸也越来越大。

  Ultralytics 库几乎所有功能都围绕核心类 YOLO 展开，用于加载模型、执行操作（训练、预测、导出等）。YOLO类的构造函数支持传入模型名称或模型路径，然后调用model.predict函数（简写为Model()）对图片、视频、摄像头等数据源进行预测。
  以之前下载的yolov5nu.pt模型为例，大小为5M多，参照参考文献1的代码进行多张图片的模型预测，代码及运行效果如下所示：

from ultralytics import YOLO

model = YOLO(r"E:\MyPrograms\Python\ultralytics\yolov5nu.pt")

model.info()

results = model(["person.jpg",'chick.jpg','test2-scaled.jpg'])  # results list

# Process results list
for result in results:
    boxes = result.boxes  # Boxes object for bounding box outputs
    masks = result.masks  # Masks object for segmentation masks outputs
    keypoints = result.keypoints  # Keypoints object for pose outputs
    probs = result.probs  # Probs object for classification outputs
    obb = result.obb  # Oriented boxes object for OBB outputs    
    result.save(result.path)  # save to disk

  将模型替换为yolov5x6u.pt，后者大小接近300M，再次运行上述程序，其结果如下所示，可以看到预测结果质量提升不少。

参考文献：
[1]https://docs.ultralytics.com/zh/modes/predict/#key-features-of-predict-mode
[2]https://aleksandarhaber.com/install-and-run-you-only-look-once-yolo-computer-vision-model-on-gpu-cpu-and-windows/?amp=1