要训练YoloV8模型，同时不失去其他类别的情况，需要进行以下步骤：

1. 数据准备：准备包含所有类别的标注数据集，包括边界框坐标和类别标签。

2. 修改配置文件：打开YoloV8的配置文件，通常为yolov3.cfg或yolov3-tiny.cfg，根据需要增加或修改类别数目。在配置文件中，找到[yolo]部分，将classes参数修改为包含所有类别的数目。

3. 下载预训练权重：下载YoloV8的预训练权重文件，通常为yolov3.weights或yolov3-tiny.weights。

4. 转换权重文件：使用Darknet提供的darknet.exe工具将预训练权重文件转换为适用于训练的权重文件。在命令行中执行以下命令：

darknet.exe partial yolov3.cfg yolov3.weights yolov3.conv.81 81

这将生成一个yolov3.conv.81文件，用于训练模型。

5. 修改训练脚本：创建一个训练脚本，可以使用Python编写。在脚本中，设置训练参数，包括数据集路径、类别数目、批量大小、学习率等。确保在训练脚本中使用正确的配置文件路径和权重文件路径。

6. 开始训练：运行训练脚本开始训练YoloV8模型。训练过程会根据提供的数据集进行目标检测与分类。

下面是一个简单的Python训练脚本示例：

import argparse
from darknet import Darknet

def train_yolov8(cfg_file, data_file, weight_file):
    # 加载配置文件
    model = Darknet(cfg_file)
    
    # 设置类别数目
    model.num_classes = 10  # 假设有10个类别
    
    # 加载预训练权重
    model.load_weights(weight_file)
    
    # 设置训练参数
    model.set_train_params(
        data_file=data_file,
        batch_size=64,
        learning_rate=0.001,
        num_epochs=100,
        checkpoint_interval=10
    )
    
    # 开始训练
    model.train()

if __name__ == '__main__':
    parser = argparse.ArgumentParser(description='Train YoloV8 model')
    parser.add_argument('--cfg', type=str, help='Path to YoloV8 config file')
    parser.add_argument('--data', type=str, help='Path to data file')
    parser.add_argument('--weights', type=str, help='Path to weight file')
    args = parser.parse_args()
    
    train_yolov8(args.cfg, args.data, args.weights)

在命令行中运行以下命令：

python train_yolov8.py --cfg yolov3.cfg --data data.txt --weights yolov3.conv.81

其中yolov3.cfg是YoloV8的配置文件路径，data.txt是包含所有类别的数据集文件路径，yolov3.conv.81是转换后的权重文件路径。根据实际情况修改参数和路径。