YOLO11 【二】 【速通 训练+推理+导出】

原创 已于 2025-02-13 09:15:46 修改
· 528 阅读 · 4 ·
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：

#c++ #yolo

于 2025-02-12 16:33:19 首次发布

一、 vscode 配置 conda 环境

选择默认配置修改配置文件
在这里插入图片描述
%windir%\System32\cmd.exe “/K” D:\Software\Anaconda3\Scripts\activate.bat D:\Software\Anaconda3

将该命令加到配置文件后面
** “/K” D:\Software\Anaconda3\Scripts\activate.bat D:\Software\Anaconda3
**
打开终端默认conda yolov11 环境
在这里插入图片描述

执行 命令 pip install ultralytics
在这里插入图片描述

二、训练

命令：yolo train model=yolo11.yaml data=VOC.yaml epochs=100 batch=128

pip install labelme -i https://pypi.tuna.tsinghua.edu.cn/simple
labelme 标记工具

YOLOv11来了，使用YOLOv11训练自己的数据集和推理(附YOLOv11网络结构图)
在职AI算法工程师，擅长计算机视觉，YOLO目标检测、分割等，擅长web、pyqt界面可视化，好内容持续更新中，来这里跟大家一起学习，共同进步
10-02 17万+
YOLOv11 由 Ultralytics 在 2024 年 9 月 30 日发布， 最新的 YOLOv11 模型在之前的 YOLO 版本引入了新功能和改进，以进一步提高性能和灵活性。YOLO11 在快速、准确且易于使用，使其成为各种对象检测和跟踪、实例分割、图像分类和姿态估计任务的绝佳选择。
纯小白如何配置YOLO11环境（最新版）
热门推荐
haojiyaha的博客
10-17 1万+
纯新手小白搭建，博主小白亲测
云端跑YOLO11,草履虫看了都会
m0_59522119的博客
12-01 2493
训练参数 ----------------------------------------------------------------------------------------------device='', # (int | str | list, optional) 运行的设备，例如 cuda device=0 或 device=0,1,2,3 或 device=cpu。split='val', # (str) 用于验证的数据集拆分，例如'val'、'test'或'train'
【YOLOv11】最简单、易懂的YOLOV11环境配置
wzcxysww的博客
04-22 2809
最简单的YOLO环境配置教程
YOLO11 【三】 【速通 训练+推理+导出 续】
weixin_45397344的博客
02-13 225
修改VOC.yaml 中path 为自己的数据集路径。数据集 放在项目同级目录。
解决在YOLO11同目录下新建py文件找不到模块，同时vscode会报错无法解析导入子模块/包（Import ultralytics.xxx could not be resolved）等。
qq_51810521的博客
10-06 1163
但是如果想要在同级目录下新建py文件， 一般会改成下面这种，才能识别到，但是运行的时候会报错。出现：ImportError: cannot import name '__version__' from 'ultralytics' (unknown location)等导入问题。此时又会出现一个问题，不影响运行，但是影响美观，vscode会报无法解析导入Import ultralytics.xxx could not be resolved）。如果在此目录下导入，是没有任何问题的，可以正常运行。
【YOLO11模型训练】使用YOLO11在自己的数据集上进行简单的模型训练、预测与导出
2301_78753314的博客
11-21 8832
模型训练相比预测，会稍稍麻烦一点，特别是构建自己的数据集用于目标检测，在数据集的处理上是需要耗费大量时间与耐心的，本文会带你从0到1构建、处理自己的数据集并用于YOLO11的模型训练与目标检测。
你好，我是一名大二计算机科学与技术专业的女生，我打算从零开始学习yolo，并尽可能快的上手完成实践，请你告诉我，从零开始学习并使用yolo,我需要学习什么，包括从零开始搭建平台，并详实具体的告诉我如何开始实践，如何完成实践得到自己使用yolo训练出来的结果，谢谢你的解答！
02-28
### **二、YOLO理论学习（1天）** #### 必学资料清单 1. **YOLO论文精读**： - [YOLOv1](https://arxiv.org/abs/1506.02640)（理解核心思想） - [YOLOv5](https://github.com/ultralytics/yolov5)（直接看官方文档...
YOLOv11训练和推理 最详细教程！！！
dangdangq的博客
11-20 4905
主要分享了一下怎么使用YOLOv11训练自己的数据集模型。
C#和C++在编译过程中的文件区分
weixin_50600749的博客
06-04 223
示例： math_utils.cpp --编译--> math_utils.lib。示例： math_utils.cpp --编译--> math_utils.dll。3. 创建类库项目，定义，实现后编译，就生成了.dll文件，如MyLib.dll。2. .cpp是源文件（Source File）2. .cs编译后生成一个.dll文件。把.cpp文件编译成 .lib文件。把.cpp文件编译成 .dll文件。静态库是“编译时拷进程序里的”3.2 动态库 .dll。3.1 静态库 .lib。
c++之STL容器的学习（上）
2202_76101487的博客
06-03 454
基于c++的STL标准库的容器学习
旅行商问题（TSP）的 C++ 动态规划解法教学攻略
iceslime的博客
06-06 490
旅行商问题是一个典型的组合优化问题，通过动态规划算法可以有效地解决。该算法利用状态压缩和动态规划表，能够在合理的时间内找到最短路径。对于较小规模的问题，这种方法是可行的，但对于大规模问题，可能需要更高效的算法或启发式方法。希望本攻略能够帮助你理解旅行商问题的动态规划解法，并能够在实际问题中应用。如果有任何疑问或需要进一步的解释，请随时提问！
STL 库基础概念与示例
2302_76213070的博客
06-04 307
自动去重并按字符 ASCII 值排序，插入重复元素无效。按插入顺序存储，需手动排序，支持下标和迭代器遍历。简化值的修改，键唯一（重复插入同一键会更新值）。
C++动态链接库封装，供C#/C++ 等编程语言使用——C++动态链接库概述（总）
SteveDraw的博客
06-06 946
本文系统对比了C++、C#和Python三种主流编程语言在项目开发中的优劣势及应用场景。从语言范式、执行效率、内存管理、应用领域等维度分析，指出C++适合高性能底层开发，C#擅长GUI和企业应用，Python则在AI和脚本领域优势明显。基于多语言交互需求，文章重点探讨了C++对外接口封装方案，比较了静态库与动态库的差异，并介绍了托管、非托管及混合三种封装形式。最后强调项目开发中应根据目标平台选择最优封装策略，实现多语言优势互补。全文为跨语言项目开发提供了实用参考。
极限复习c++
2302_76213070的博客
06-05 1428
快速过一遍必背代码（类、多态、模板）和简答题答案，强化肌肉记忆！祝考试顺利，代码全 AC！
加法c++
最新发布
D_31415926的博客
06-06 315
给定 a 和 b 分别作为被加数和加数，而且限定 a 是 4 位数字，b 是 3 位数字，都是正整数。请你模拟以上加法过程进行输出。如果最后 a+b 的结果是 5 位数，为了保证对齐，需要在被加数和加数前面加空格。只需判断a+b的位数（注：四位数+三位数只可能是四位数或五位数，因为1000+100=1100，9999+999=10998），当a+b为四位数或五位数时输出特定的格式即可。输入两个正整数 a 和 b。
C++——智能指针 weak_ptr
曾几何时的博客
06-04 522
weak_ptr配合shared_ptr解决循环引用问题
C++核心编程_继承方式
leijinquan01的博客
06-04 564
本文介绍了C++中三种类继承方式的语法规则和访问权限控制。主要展示了公共继承、保护继承和私有继承三种方式下，子类对父类成员的访问权限变化。其中，公共继承保持父类成员的原有访问权限，保护继承将父类公共成员变为保护权限，私有继承则将所有继承成员变为私有权限。文中通过具体代码示例演示了不同继承方式下，子类及其派生类对父类成员的访问权限限制。继承方式会影响后续类的成员访问权限，但无论如何，子类都不能提升父类成员的访问权限级别。
yolo训练结果保存路径
04-05
### YOLO模型训练结果保存路径配置 在YOLOv5及其后续版本中，训练过程中的日志、权重文件以及其他中间产物通常会存储在一个默认目录下。如果需要修改这些文件的保存路径或者解决路径错误的问题，可以通过调整配置参数来实现。 #### 修改数据集下载和存放路径 当遇到指定路径仍指向旧项目的文件夹时，可能的原因在于环境变量未更新或缓存问题[^1]。为了确保新的路径生效，可以在运行脚本之前清除之前的缓存设置并重新定义路径： ```bash export CACHE_DIR=/path/to/new/dataset/cache ``` 接着，在 `train.py` 或其他相关脚本中通过命令行传递自定义的数据集路径参数： ```python --data /new/path/to/dataset.yaml ``` 此操作将覆盖默认行为并将新路径应用到当前训练过程中。 #### 更改预测图像输出路径 对于预测阶段，默认情况下生成的结果会被放置于 `runs/obb` 文件夹内。要更改这一位置，则需编辑调用 predict 脚本时所使用的选项： ```python python detect.py --source path_to_images_or_video --project new_project_name --name experiment_name ``` 上述代码片段中的 `--project` 参数决定了顶级目录名称（即取代原有的 `runs`），而 `--name` 则进一步细分具体实验子目录[^2]。 #### 训练结果保存路径配置方法 针对训练完成后产生的最终模型及其他关联资源，其标准储存结构同样位于类似于 `runs/train/expX` 的层次化布局之中[X表示迭代次数]。若希望定制此类目标地址，可采用如下方式完成设定： ```python python train.py --img 640 --batch 16 --epochs 50 --data dataset.yaml --weights yolov5s.pt --project my_results --name custom_experiment ``` 这里的关键部分便是引入了额外两个标志位：`--project` 和 `--name` ，它们共同协作指定了独一无二的新目的地用于承载整个流程结束后的成果物集合。 #### 注意事项 - 如果仍然遭遇路径冲突现象，请核查是否存在硬编码形式嵌入固定字符串至源码内部的情况； - 同样重要的是确认所有涉及外部依赖库加载逻辑均已被同步修正为最新期望值。 ```python import os os.environ['DATASET_PATH'] = '/desired/location' ``` 以上措施能够有效帮助开发者灵活控制各类临时性以及持久化的资料安置地点，从而满足不同场景下的实际需求。
评论
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