yolov11训练自己的数据集和推理

YOLOv11自定义数据集训练与推理指南

最新推荐文章于 2025-10-15 16:25:24 发布

原创

最新推荐文章于 2025-10-15 16:25:24 发布 · 964 阅读

27 ·

CC 4.0 BY-SA版权

文章标签：

#YOLO

环境搭建

我个人更喜欢用docker container, 所有我优先使用Dockerfile来搭建环境

FROM nvidia/cuda:11.6.2-cudnn8-devel-ubuntu20.04

RUN apt-get update && DEBIAN_FRONTEND=noninteractive apt-get install -y \
    software-properties-common \
    curl \
    wget \
    git \
    vim \
    unzip \
    build-essential \
    libgl1 \
    python3.8-dev \
    python3.8-distutils \
    && rm -rf /var/lib/apt/lists/*

# 设置Python 3.8为默认版本
RUN update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.8 1 \
    && update-alternatives --install /usr/bin/python python /usr/bin/python3.8 1

# 修复点：使用Python 3.8专用的pip安装脚本
RUN curl -sS https://bootstrap.pypa.io/pip/3.8/get-pip.py | python3.8 \
    && pip config set global.index-url https://mirrors.aliyun.com/pypi/simple

# 显式设置CUDA库路径
ENV LD_LIBRARY_PATH /usr/local/cuda/lib64:$LD_LIBRARY_PATH

# 安装PyTorch及其他依赖
RUN pip install --no-cache-dir \
    torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 \
    --extra-index-url https://download.pytorch.org/whl/cu118 \
    flask \
    scipy \
    numpy \
    matplotlib \
    tqdm \
    PyYAML \
    Pillow \
    opencv-python==4.10.0.84 \
    tensorboard \
    h5py \
    seaborn \
    ultralytics

运行的话，

docker build -t yolo11:v0 .

docker run --gpus all --shm-size=64g -it -v /YourDir:/YourDir --name yolo11 --restart always yolo11:v0

这样就能构建一个docker image并创建你自己的docker container了

代码完善

训练代码: 科学上网在github上面搜，我用的是ultralytics

模型配置

以segmentation为例，比如说我要做的是wheelstopper的分割

/ultralytics-8.3.161/ultralytics/cfg/models/11/yolo11-seg.yaml

这个有nc的配置，即number of classes , 我们只训一种类别，就将其改为1。看你要训几个类别，你需要哪几个类别，就把nc的数字

最低0.47元/天解锁文章