yolov11的简单实例

简单训练

这里是直接根据这个：

文件夹：

ultralytics-main和ultralytics-main.zip只是我把他直接下载下来了，实际上可以直接pip安装ultralytics

pip install ultralytics

然后就是训练的代码： 

​from ultralytics import YOLO# 加载一个预训练模型
model = YOLO("yolo11n.pt")train_results = model.train(data="coco8.yaml",  # Path to dataset configuration fileepochs=100, 	# 模拟100次imgsz=640,  	# 图片的大小device=0,  		# 使用GPU训练workers=0,      # 禁用多进程，默认是8，太快的话程序会崩掉amp=True        # 启用自动混合精度
)# 返回训练时的指标字典
metrics = model.val()results = model(r"D:\yolov11\picture\cat.jpg")
results[0].show() #展示path = model.export(format="onnx")  
#将训练好的YOLO模型导出为ONNX（开放神经网络交换）格式，
#使其兼容于其他环境或框架[点击并拖拽以移动]
​

cat.jpg就是随便在网络上找的猫的图片，然后就可以开始运行代码了

这里我的workers=0，实际上这个可以根据电脑情况自己调整，我这里是默认8的情况下占用太大

程序会崩

结果如下图：

这是我们运行一次文件之后会出来的东西

然后下面比较容易懂的就是

然后我们训练好了怎么用呢？这里演示py，所以我们就用best.pt

​#导入PyTorch库
import torch
# 加载模型
from ultralytics import YOLOmodel = YOLO(r'D:\yolov11\runs\detect\train\weights\best.pt')
# 进行推理
results = model(r"D:\yolov11\picture\哈吉米.jpg")
results[0].show()​

使用模型：