目标检测实战：使用YOLOv11训练自己的数据集

---

前言

ultralytics发布了最新的作品YOLOv11，这一次YOLOv11的变化相对于ultralytics公司的上一代作品YOLOv8变化不是很大的（YOLOv9、YOLOv10均不是ultralytics公司作品）。本文记录使用YOLOv11训练自己的数据集的过程。

---

一、环境搭建

我的环境：
操作系统：Ubuntu 20.04 ，GPU：NVIDIA RTX™ A6000
cuda = 11.8 , cudnn = 8.7.0, Python = 3.8, PyTorch = 2.0.1, torchvision = 0.15.2, numpy = 1.23.5，ultralytics = 8.3.9
官方要求：Python>=3.8 PyTorch>=1.8
在ubuntu 16.04、python 3.8、PyTorch1.8的环境下代码也测试通过。

安装torch2.0.1+cu118

# 使用官网安装命令
pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cu118

注：安装时间较长，安装完成后检查是否安装成功。
注：如果想安装cpu版本，参考pytorch官网安装命令。

安装ultralytics

安装ultralytics时会检查是否安装依赖库，未安装的库会自动下载安装。

pip install ultralytics==8.3.9 

二、训练过程

1. 引入库

YOLOv11（ultralytics）源码地址：

https://github.com/ultralytics/ultralytics/

直接下载即可。可以下载下图所示几个预训练权重文件，常规使用yolov11n.pt即可，根据自己需要下载。

2. 数据集准备

YOLOv11数据集格式与之前版本相同，格式如下：

<object-class-id> <x> <y> <width>