YOLO

简介

YOLO 全称为 You Only Look Once，是一类流行的物体检测和图像分割模型

YOLO 本身是指一类模型，但有时也会把官方推出的 Python 库 Ultralytics 称为 YOLO。在这种语境下，YOLO 完全可以算是一个深度学习框架。它本身是基于 PyTorch 实现的，提供了很多模型和功能，接口非常简单

环境配置

先决条件

Miniforge

请先完成 Miniforge 的安装

然后创建一个 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）并激活

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

忘了环境名字

如果忘记了刚创建的环境的名字，可以使用 mamba env list 列出所有环境。

PyTorch

在刚激活的环境里完成 PyTorch 的安装

安装

官方快速入门手册 推荐使用 pip 安装

pip install ultralytics

下载完成后，可通过如下方式测试是否可用

# 如果没有报错，那就是导入成功了
python -c "import ultralytics"

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）。

最后你还可以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'

该命令会使用官方预训练的模型 yolo11n.pt 对 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，而运行的结果默认保存在当前工作目录的 runs 里。你可以检查下图片是否被正确预测。

网络问题

如果因网络问题无法下载图片的话，你可以用自己的图片，只需修改 source 参数即可。如果无法下载模型，你可能不得不先解决网络问题。

# 使用模型 yolo11n.pt 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。不过英伟达在 PyPI 上注册了多个假包来告诉你没有安装正确的版本，且官网的 pip 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 PyTorch 的安装 这部分。

# 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

# 如果没有报错，那就是导入成功了
python -c "import cudnn"

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 相关扩展

可以在 VSCode 中安装 Ultralytics Snippets 这个扩展。顾名思义，此扩展就是提供了一些代码片段，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，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。detect 是目标检测，segment 是语义分割，其余的我没用过。
• MODE （必需）是以下之一 train/val/predict/export/track/benchmark。train 是训练，val 是验证，predict 是预测，export 是导出，benchmark 是基准测试，剩下的那个我没用过。
• 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。

更详细的参考请阅读 官方文档

示例

项目结构

建议新建一个文件夹，并以如下方式命名和使用子文件夹

• 文件夹YOLO

  • 文件夹bin/ 二进制文件

    • …
  • 文件夹data/ 原始数据

    • …
  • 文件夹datasets/ 标注后的数据集

    • …
  • 文件夹docs/ 文档

    • …
  • 文件夹runs/ 运行结果

    • …
  • 文件夹scripts/ 脚本代码

    • …
  • 文件夹weights/ 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 ctrl + shift + ~ 新建终端，激活正确的环境并运行

yolo settings datasets_dir="datasets"

无法激活环境

如果无法在 VSCode 的集成终端中激活环境，可能有如下原因

• 未初始化 Shell。可参考 Conda Shell 集成 来解决
• VSCode 无法识别 Conda 环境。可参考 Conda 编辑器集成 来解决

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

阅读官方文档

仅展示使用 CLI 进行训练和预测的示例。使用 Python 方法差不多，可以参考部分内容。

更详细的示例请阅读官方文档，包括 CLI 示例 和 Python 示例

训练

YOLO 的训练数据集建议按如下方式组织结构

• 文件夹example

  • 文件夹images

    • 文件夹train/

      • …
    • 文件夹val/

      • …
  • 文件夹labels

    • 文件夹train/

      • …
    • 文件夹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

names:
  0: low
  1: medium
  # 省略剩余的标签

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。