2、PyTorch训练YOLOv11—训练篇(detect)—Windows系统
1、标注样本
使用labelImg标注样本,注意选择YOLO模式
labelImg下载地址 github.com
2、安装ultralytics包
先进入到自己创建的conda环境中,把包安装到该环境里
pip install ultralytics
如果已经有了ultralytics,可以更新最新版本
pip install -U ultralytics
最终 miniconda3\envs\你的环境名\Lib\site-packages 里有个ultralytics文件夹
用pyCharm打开这个文件夹,可以方便的查看一些py文件
3、组织样本
以coco8为例,学习组织和训练自己的样本。样本目录样式如下(建议有test文件夹)
--coco8 |--images |--train 图片 |--val |--test |--labels |--train 标注的txt |--val |--test
直接复制链接用浏览器下载,解压后放到D:/datasets中
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/coco8.zip
自己创建个yaml用于指定目录等,如下图所示
内容样式如下:
#图片路径。防止意外,使用了绝对路径 train: D:/datasets/coco8/images/train val: D:/datasets/coco8/images/val test: D:/datasets/coco8/images/test #类别数 nc: 2 #具体的类别名 names: 0: cat #0前面有两个空格 1: dog
由于自己创建了myData.yaml,所以不用管yolo11.yaml(在 miniconda3\envs\你的环境名\Lib\site-packages\ultralytics\cfg\models\11 里)和自动生成的settings.json这两个文件。
4、训练YOLO
main.py内容如下
from ultralytics import YOLO def myFun(): # 训练 model = YOLO("yolo11n.pt") results = model.train(data="D:/datasets/coco8.yaml", epochs=1, batch=1, imgsz=640) if __name__ == '__main__': myFun()
运行,得到模型
预测看下效果 Predict - Ultralytics YOLO Docs
目标检测实战:使用YOLOv11训练自己的数据集_yolo模型训练实战-CSDN博客
训练得到的指标含义 YOLOv5性能评估指标->mAP、Precision、Recall、FPS、Confienc (讲解论文关注的主要指标)_yolov5目标检测模型评估指标-CSDN博客
YOLO11参数含义yolov11 常用参数(无废话)_yolo11参数-CSDN博客
【其他】
yolo训练参数的含义 【YOLOv8】修改默认的配置文件_yolov8怎么改detect文件-CSDN博客
VS使用conda虚拟环境,管理 Python 环境和解释器 - Visual Studio (Windows) | Microsoft Learn
settings.json参数的含义
【参考】
官网 GitHub - ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > OpenVINO > CoreML > TFLite
参考 手把手教你使用YOLOv11训练自己数据集(含环境搭建 、数据集查找、模型训练)-CSDN博客
【关于settings.json默认生成位置】此内容看看就行,不用在意
该文件里指定了settings.json默认生成的位置
if WINDOWS:
path = Path.home() / "AppData" / "Roaming" / sub_dir
elif MACOS: # macOS
path = Path.home() / "Library" / "Application Support" / sub_dir
elif LINUX:
path = Path.home() / ".config" / sub_dir
else:
raise ValueError(f"Unsupported operating system: {platform.system()}")
windows系统默认生成在 C:\Users\admin\AppData\Roaming\Ultralytics
ubuntu系统默认生成在 /home/用户名/.config/Ultralytics
如果想指定生成路径
# -------------------- 设置YOLO配置文件的路径(即settings.json文件路径) import os os.environ['YOLO_CONFIG_DIR'] = "D:/datasets" # 查看下是否设置成功 print(f"YOLO_CONFIG_DIR: {os.getenv('YOLO_CONFIG_DIR')}") # -------------------- 载入YOLO from ultralytics import YOLO
运行,之后在D:/datasets中自动生成了settings.json文件