YOLO¶

环境配置¶

先决条件¶

Miniforge¶

请先完成 Miniforge 安装

输入以下命令创建一个 python 3.12 的环境（3.12 是目前 ultralytics 已验证兼容性的最高版本，不过我用 3.13 还没遇到过问题）

# pytorch 可以换成别的名字
conda create -n pytorch python=3.12

输入以下命令激活刚创建的环境

# 将 pytorch 换成刚才输入的名字
conda activate pytorch

后续所有命令都在该环境中运行，请确保你激活了正确的环境。

Pytorch¶

在刚激活的环境里完成 Pytorch 安装

安装¶

官方快速入门手册 https://docs.ultralytics.com/zh/quickstart/

官方快速入门手册推荐使用 pip 安装，因此使用如下命令安装

pip install ultralytics

下载完成后，可通过如下方式测试是否可用

# 运行下行命令以 REPL 模式启动解释器
python

# 解释器启动后，输入下行代码
import ultralytics
# 如果没有报错，那就是正确安装了。输入下行代码关闭解释器
exit()

还可以通过如下方式测试是否可用

yolo checks

该命令会打印出非常详细的安装信息。可以简单检查下有没有问题（其中 CUDA:0 意思是第 0 号显卡有可用的 CUDA，并不意味着有问题）。

最后你实际运行个示例来测试功能是否正常

yolo predict model=yolo11n.pt source='https://ultralytics.com/images/bus.jpg'

该命令会下载官方预训练的模型 yolo11n.pt，并下载 https://ultralytics.com/images/bus.jpg 这张图片进行预测。模型和图片会下载到当前工作目录（就是 shell 的命令提示符前显示的目录），而运行的结果默认保存在当前工作目录的 runs 目录下。你可以运行 explorer .\runs\detect\predict\ 打开文件夹，看看图片是否被正确预测。

# 使用官方预训练模型预测当前工作目录下的 example.jpg 图片。
yolo predict model=yolo11n.pt source='example.jpg'

可选项¶

cuDNN¶

目前我没用到这个库，因此暂时作为可选项。事实上这并不是加速必需的，因为 Pytorch 已经自带了 CUDA 运行时。这个库的作用是让你自己写深度学习框架的时候可以加速。

进入官网后会看到 NVIDIA 提供了多种安装方式。鉴于前面的库都使用 pip 安装，此处也使用 pip。

不过英伟达非常逆天地在 PyPI 上注册了多个假包来告诉你没有安装正确的版本，并且更逆天的是官网上的安装命令下载的就是假包。

目前 PyPI 上这么多的版本中只有 nvidia-cudnn-cu11、nvidia-cudnn-cu12、nvidia-cudnn-cu13 这几个不是假包。请根据显卡的 CUDA 版本下载正确的包。查看 CUDA 版本的方式可参考前面关于 Pytorch 的部分。

# 将 nvidia-cudnn-cu1x 替换为与 CUDA 对应的版本
pip install nvidia-cudnn-cu1x

同样地，下载完成后，可通过如下方式测试是否可用

# 运行下行命令以 REPL 模式启动解释器
python

# 解释器启动后，输入下行代码
import cudnn
# 如果没有报错，那就是正确安装了。输入下行代码关闭解释器
exit()

VSCode¶

推荐使用 VSCode 来编写 Python 代码，因为 我喜欢 官方力荐且制作了相关拓展

可以在 VSCode 的拓展面板中搜索 Ultralytics Snippets 来安装此拓展。顾名思义，此拓展就是提供了一些代码片段（Snippets），不安装并不影响正常使用。

使用方法¶

YOLO 有两种用法，分别是 Python 和 CLI

Python¶

通过 from ultralytics import YOLO 来导入 YOLO 库。

该库的接口很多很杂，建议阅读官方文档。

CLI¶

YOLO CLI 的基本语法如下

yolo TASK MODE ARGS

其中

• TASK （可选）是以下之一 [detect, segment, classify, pose, obb]。如果未明确传递，YOLO 将尝试推断 TASK 。对于本次作业，detect 是目标检测，segmentt 是语义分割，其余用不到。
• MODE （必需）是以下之一 [train, val, predict, export, track, benchmark]。对于本次作业，train 是训练，val 是验证，predict 是预测，export 是导出，benchmark 是基准测试（包括速度和精度），剩下那个大概率用不到。
• ARGS （可选）是任意数量的自定义 arg=value 键值对，例如 imgsz=320，用于覆盖默认值。这部分较为复杂，不同的 TASK 配置差别极大，建议参考官方配置说明。

示例¶

项目结构¶

鉴于部分人可能没有做过项目，这里简单分享些经验。

建议新建一个文件夹，并以如下方式命名和使用子文件夹

YOLO
├── report    存放要提交的报告
├── bin       存放二进制文件
├── data      存放原始数据
├── datasets  存放标注后的数据集
├── docs      存放文档
├── runs      存放运行结果
├── scripts   存放脚本代码
└── weights   存放权重模型

然后在 VSCode 中按 ctrl + k, ctrl + o，并选择此文件夹打开。

打开文件夹后在 VSCode 中按 crtl + shift + ~ 新建终端，激活正确的环境并运行

yolo settings datasets_dir="datasets"

conda init powershell
# 如果使用 mamba，初始化命令略有不同 
mamba shell init

之后 YOLO CLI 就会从 datasets 中去寻找数据集，从网上下载的示例数据集也会保存在这个目录里。

具体任务¶

训练¶

YOLO 的训练数据集建议按如下方式组织结构

example
  ├── images
  │   ├── train
  │   └── val
  └── labels
      ├── train
      └── val

分别把训练集的图片和标签放入 images/train 和 labels/train 里，验证集则是 images/val 和 labels/val。注意图片和标签的文件名必须相同。

然后把 example 这个文件夹放入 datasets 目录下，并在项目根目录新建一个 example.yaml 文件，填写上如下内容：

path: example

train: images/train
val: images/val

# 其余的参数，和具体的 TASK 有关

接着运行如下命令

yolo detect train data='example.yaml' model=yolo11n.pt epochs=10 imgsz=640

这会运行目标检测的模型训练，其中数据集是 datasets/example，在 yolo11n.pt 模型的基础上训练，并以 epochs=10 imgsz=640 覆盖默认参数值。更详细的说明请参考官方文档-训练。

训练的结果保存在 runs/detect 目录下。

预测¶

将你要预测的图片放入 data 文件夹里，并运行如下命令

yolo segment predict model=yolo11n-seg.pt source='data' imgsz=320

这会运行语义分割的图片预测，其中数据来源是 data，而模型权重使用 yolo11n-seg.pt，并以 imgsz=320 覆盖默认参数值。更详细的说明请参考官方文档-预测。

训练的结果保存在 runs/segment 目录下。