yolov11环境搭建+训练自己数据集（yolov8环境搭建步骤与yolov11一样，修改源代码下载地址即可）

原创 已于 2025-07-25 21:12:35 修改 · 1.8k 阅读 · 7 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#YOLO

于 2024-06-22 21:38:18 首次发布
该文章已生成可运行项目，

一、yolov11环境搭建

1. 安装miniconda环境

地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda
选择Python3.8版本
在这里插入图片描述

勾选自动添加环境变量
在这里插入图片描述

***以下操作安装过程中关闭代理软件 ***

2. 创建虚拟环境
conda create -n yolov11 python=3.8
3. 激活环境
conda activate yolov11
4. 设置清华安装源
pip3 config set global.index-url https://pypi.tuna.tsinghua.edu
本文章已经生成可运行项目
最低0.47元/天 解锁文章
YOLOv11训练自己的数据集，从代码下载到实例测试 （含YOLOv11网络结构图）
Limiiiing的博客
09-30 4万+
在Windows10上配置CUDA环境教程2024年9月30日，YOLOv11是最新发布的计算机视觉模型。支持多种任务，包括目标检测、实例分割、图像分类、姿态估计、有向目标检测以及物体跟踪等，本文主要讲述其检测任务的模型搭建训练流程。以上就是YOLOv11训练自己数据集的全部过程啦，欢迎大家在评论区交流~
yolov8实战第一天——yolov8部署并训练自己的数据集（保姆式教程）
热门推荐
qq_34717531的博客
12-15 6万+
YOLOv8是一种基于深度神经网络的目标检测算法，它是YOLO（You Only Look Once）系列目标检测算法的最新版本。YOLOv8的主要改进包括：更高的检测精度：通过引入更深的卷积神经网络和更多的特征层，YOLOv8可以在保持实时性的同时提高检测精度。更快的检测速度：通过对模型进行优化，YOLOv8可以在不降低检测精度的情况下提高检测速度。支持更多的检测任务：除了传统的物体检测任务之外，YOLOv8还支持人脸检测、车辆检测等更多的检测任务。
YOLOv11学习——环境配置（一）
最新发布
m0_55260921的博客
10-15 2183
本文详细介绍了YOLO环境配置的全流程：1）从GitHub下载YOLO源码和模型文件；2）安装Anaconda并配置清华镜像源；3）创建专用Python环境；4）根据显卡型号安装PyTorch（需检查CUDA版本）。文中提供了详细的命令行操作步骤，包括conda/pip镜像设置、环境管理命令、PyTorch安装验证方法等注意事项，确保用户在Windows系统下能顺利完成YOLO目标检测框架的部署。
YOLOv8超详细环境搭建以及模型训练（GPU版本）
2401_85556416的博客
08-21 2万+
YOLOv8超详细环境搭建，以及以NEU-DET数据集为为例进行模型的训练
手把手教你搭建YOLOv8环境，并进行训练、测试
qq_53545309的博客
10-09 6324
手把手教你搭建YOLOv8环境，并进行训练、测试
YOLOv8实战-模型推理及部署
代码改着改着就疯了，疯着疯着就对了
04-24 3344
经过模型训练及测试，我们得到了保存在 ‘./runs/detect/train/weights/’ 下的pt类型文件，这种文件保存的是模型的权重信息，为便于进一步推理和部署，需要将pt文件转为onnx格式，再转为engine格式，下面介绍具体实现步骤。
【深度学习之YOLO8】环境部署_yolov8部署
2401_84003941的博客
04-13 1844
配置Python环境变量创建conda环境配置CUDA环境变量配置cuDNN文件下载安装PythonSDK拉取yolo8 GitHub项目到本地Anaconda安装下载安装CUDA toolkit下载PyTorch下载cuDNN环境测试。
yolov8 环境搭建 + 训练自己的数据集
2301_79887507的博客
12-20 765
yolov8的环境搭建，和自定义训练集如何训练
YOLOv8环境搭建+训练自己的数据详细项目
m0_63172128的博客
08-01 2万+
直接按照路径会有问题，找到自己 requirements.txt 文件路径，我这里是pip install -r D:\ultralytics-main\ultralytics-main\requirements.txt。首先去自己的anaconda的安装的envs（虚拟环境），在导航栏输入cmd，进入命令窗口。到官方网站下载yolo模型 ，下载好后解压，里面有个文件requirements.txt。然后安装ultralytics ，这是必须的。
基于 PyTorch1.0.0 搭建环境并使用 yolov3 训练自有数据集实现目标检测
08-25
基于PyTorch1.0.0搭建环境并使用YOLOv3训练自有数据集实现目标检测是一个涉及多个步骤的技术过程。虽然过程中可能会遇到各种挑战，但通过细心准备和调整，我们完全有能力构建出一个准确高效的自定义目标检测系统。
手把手教你搭建YOLOV8+CUDA环境，训练自定义数据集，训练推理验证导出。小白也能看得懂的！
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
05-18 2万+
YOLO（You Only Look Once）系列算法因其高效、准确等特点而备受瞩目。由2023年Ultralytics公司发布了YOLO的最新版本YOLOv8是结合前几代YOLO的基础上的一个融合改进版。本文主要介绍YOLOv8环境搭建/数据集获取/训练/推理/验证/导出/部署
yolov11源码+yolov11n、s、m.pt文件整合8.3.20版本
10-27
ultralytics yolov11 8.3.20版本，源码+yolov11n、s、m.pt文件整合，适合外网访问不了的使用
深度学习yolov11源码
03-03
YOLOv11是最新一代的高效目标检测算法，继承并优化了YOLO系列的特点，提供更高的精度和更快的推理速度，适用于自动驾驶、安防监控、工业检测等多个领域。该模型支持实时目标检测、图像分割和物体跟踪等多任务应用，同时优化了性能，能够在低配置设备上运行。YOLOv11通过增强精度和处理速度，解决了复杂场景中的目标检测问题，并在多个行业中展示了广泛的适用性。
YOLOv11目标检测算法源码
03-06
YOLOv11目标检测算法源码，YOLOv11n.pt模型已在其中
yolov8环境搭建+训练自己的数据集
王小帅帅帅的博客
10-29 531
yolov8环境配置，训练自己的数据集
yolov8数据标注、模型训练到模型部署全过程
qq_44747572的博客
01-29 8127
yolov8进行自己的数据标注、模型训练以及模型部署全过程
YOLO系列入门：1、YOLO V11环境搭建
天城电子嵌入式的博客
10-18 5625
YOLO支持CLI操作，不需要写python代码，就可以直接使用命令行指挥YOLO进行识别。图片如下：810*1080。可以看到，这里使用的模型yolov8n.pt是预训练好的模型，YOLO会去github仓库上下载该模型。在实际项目中，我们不会通过CLI调用YOLO，而是会通过python脚本调用YOLO，原理相同。然后在conda中用命令行切换到该文件夹。将图片路径传给YOLO，执行命令。首先，我们新建一个空白文件夹，将我们要识别的图片放进去。最终识别结果如下，说明我们成功配置好了YOLO环境。
超详解|yoloV8训练自己的数据集|训练|测试|部署
AI小生~小陶的博客
05-07 7180
使用yolov8训练自己的数据集，从数据集制作、yoloV8超参配置文件、导出onnx，openvino部署
⭐⭐⭐全网最详细YOLOv8教程，从环境配置到自己训练，再到数据集的制作，包的各位⭐⭐⭐
weixin_74840239的博客
05-15 7115
问题原因：当你“pip install ultralytics” 时，torch和torchvision会作为它的依赖一起安装了，当执行“pip install torch torchvision torchaudio --index-url。”时，会卸载torch，然后再安装torch+cuda版本，但是不会自动卸载torchvision已有版本，然后再安装torchvision+cuda版本。🎉🎉🎉恭喜各位道友，已经可以训练模型了，现在就是制作自己的数据集，所谓申神通秘境，随心所欲，万物皆可识别也。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值