从零开始训练YOLOv11

在AutoDL上拉取项目

首先博主是用了AutoDL进行训练，虽然会花费一些钱，但是博主感觉确实速度上，要比自己训练快的多。 

 租借完成后，可以直接在社区镜像上拉去YOLOv11的模型

 拉取完毕后，博主建议大家先选择无卡模式开机，这样可以低价配置，只要1毛钱一小时，还是非常划算的，等最后将一切都配置好了，再开始用GPU进行训练。 

使用Labelimg对数据进行标注

• 快捷键：

• w : 创建一个矩形框

• d ：下一张图片

• a ：上一张图片

• 空格 ：保存

• Ctrl++ 放大

• Ctrl-- 缩小

• ↑→↓← 键盘箭头移动选定的矩形框

• Ctrl + u 加载目录中的所有图像，鼠标点击Open dir同功能

• Ctrl + r 更改默认注释目标目录(xml文件保存的地址)

• Ctrl + s 保存

• Ctrl + d 复制当前标签和矩形框

• space 将当前图像标记为已验证

想要修改标签类别内容（如默认的dog、person、cat等）则在主目录下data文件夹中的predefined_classes.txt文件中修改。 这里博主是将图片标注为了VOC形式，也就是最后得到的是XML文件 

 温馨提示：如果在数据集标注的时候，一定要尽可能的选择同一类型的图片，比如都是JPG或者都是PNG这样的。

数据集制作

这里博主是在自己的电脑上，按照以下结构构建了数据集，创建了一个名为YOLOv11_data的文件夹

 其中

• Annotations 是专门用来存放XML文件的
• ImageSets先创建，后续会用到
• JPEGImages 是专门用来存放照片的
• labels 是用来将存放将XML转化为.txt文件的

然后将所有的照片，放入JPEGImages文件夹下，然后将LabelImg标注的数据放到Annotations下面，将文件整体压缩一下，然后上传到AutoDL上面。在命令行里用unzip命令解压缩一下

之后，博主又在这个YOLOv11_data下新建了两个.py文件，一个是train_txt.py

点击链接从零开始训练YOLOv11阅读原文