YOLOv11GPU训练自己的数据（含网络结构图） (草履虫都能看懂系列)（含常见问题）

1、YOLOv11介绍

YOLOv11在以前 YOLO 版本的成功基础上，引入了C3k2和C2PSA两个全新模块，并延续了YOLOv10无NMS的训练策略，实现了端到端的目标检测能力，进一步提高了性能和灵活性。YOLOv11与YOLOv8一致提供了五个不同尺度大小的网络，仅在网络尺度上有所差异。

2、yolov11模型图

 3、前提所需

anaconda3、pycharm下载完成（最好不要最新版本，也不要太旧，本人使用2021.3）

 4、yolov11模型、权重下载

1.模型下载：github模型下载地址

​

2.模型权重下载（非必须）：下载所需的

直接放yolov11文件夹根目录下

5、环境配置

5.1.下载yolov11所需虚拟环境

 打开anaconda prompt

​

cd进入你下载的yolov11文件夹中

​

创建yolov11环境：输入 conda create -n yolov11（代表环境名称）python=3.9（使用Python的版本），按y+回车

无脑复制

conda create -n yolov11 python=3.9

​进入你刚安装的yolov11环境：conda activate yolov11（你的环境名称）

无脑复制

conda activate yolov11

进入后（）会变成你环境名称 （判断是否安装成功）

 5.2.下载CUDA（GPU所需）

cuda是连接GPU和模型训练的桥梁，pytorch是进入桥梁那段上坡的路（CPU训练慢，GPU快还好）（最好选择在虚拟环境安装，以下介绍为虚拟机安装过程）

查看cuda最高支持版本，win+R，输入cmd，打开命令窗口，输入nvidia-smi.exe，红框位置为最大可支持安装版本

无脑复制

conda install cudatoolkit=11.7

 安装后的结果

5.3.下载pytorch（GPU所需）

cuda是连接GPU和模型训练的桥梁，pytorch是进入桥梁那段上坡的路（pytorch库必须和cuda版本匹配）（其实这个在之前下载yolov10虚拟环境已经下载过了，但是为了确保你的pytorch版本和CUDA版本一致，所以这里在从下一遍以确保环境没有问题）

​

无脑复制（CUDA 11.7）

conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia

 安装后的结果

或者去pytorch官网查找(只是教你怎么去找你所下载CUDA对应的pytorch，以防下载的别的版本的CUDA)(例如CUDA=11.8)，我之前写过yolov10，其中就有，这边就直接引用了（yolov10）

 5.4.下载yolov10依赖库

ultralytics团队把所有的包都已经封装好了

无脑复制

pip install ultralytics

只要中间不报错即为下载成功

 6、pycharm添加解释器

点击文件、设置

​

找到python解释器，添加新的解释器

​

找到conda环境、使用现有环境，找到你前面配置的yolov11（环境名称）

​

还有老版的pycharm，使用应该找Anaconda3\envs\yolov11（环境名称）\python.exe

（用yolov9举例）

​

​

点击应用

​7、数据集制作

这边去看yolov9的数据集制作就可以，方法相同

YOLOv9最详细教程（训练自己数据集、结构介绍、重点代码讲解）(草履虫都能看懂系列)-CSDN博客

8、训练

训练有很多种训练方式，我挑选的是我认为最为简单的一种，即修改default.yaml文件，然后在终端调用

default.yaml文件在yolov11/ultralytics/cfg文件中

​

需修改（最好为绝对路径，多仔细看看，容易出错）

模型文件model（yolov10x.yaml(模型文件)位置）

数据文件(训练图片)data（data.yaml文件所在位置）

训练轮次epochs（基本为300）

训练所放图片个数batch（2/4/8/16，看自己电脑量力而行）

训练存储地址和名称name（可不改）

使用GPU训练device:0（重点）（如有两个GPU：[0,1]）

预训练权重pretrained（yolov10n.pt(权重文件，要于上面对应，就比如你用yolo10n训练你就必须要yolov10n.pt来作为你的预训练权重)位置，无可以不填）

​

点击终端，输入神秘代码：​

yolo cfg=ultralytics/cfg/default.yaml

​

会报错：TypeError: 'workspace=None' is of invalid type str. Valid 'workspace' types are int (i.e. 'workspace=0') or float (i.e. 'workspace=0.5')这个原因是输入workspace的类型不对，不太懂，看workspace参数是用于 TensorRT 的配置项，它表示 TensorRT 在优化和执行网络时可以使用的最大临时工作内存大小（以 GiB 为单位）。我认为没有什么用，我就直接ctrl+/把这行注释了，有懂得可以留言。

然后就没有什么问题了 

9、常见问题

报错：ImportError: DLL load failed while importing _imaging: 找不到指定的模块。

原因：pillow版本没有对应上，导致torchvision模块不能加载进来

先卸载pillow

pip uninstall Pillow

重新安装Pillow

pip install Pillow

报错：RuntimeError: Numpy is not available

原因：numpy没有安装对应版本

 先卸载numpy

pip uninstall numpy

重新安装numpy

pip install numpy==1.23.5

报错：ModuleNotFoundError: No module named 'numpy._core'

原因：在训练之前，模型会对已有的数据集有一个预处理，在dataset/train和dataset/val文件夹中，生成一个.cache格式的文件，如果这个文件已有的话，是不会再次生成的。而这个文件的生成依赖于numpy，不同的numpy版本会造成上面的报错。所以解决方式就是把dataset文件夹中已有的.cache文件删掉，然后重新跑，让服务器环境的numpy再生成一个.cache文件，就没有上面这个报错了

大功告成，觉得好的就点点赞，点点收藏，如有什么错误或者建议麻烦指出（字码错了也可以说，毕竟经常这样），谢谢

​​