YOLOV11 训练自己的数据集

1. YOLOV11介绍
2. 前提需要
3. yolov11模型、权重下载
4. 环境配置
5. pycharm添加解释器
6. 训练自己的数据集

1、YOLOV11介绍
Ultralytics YOLO11 是一款尖端的先进 （SOTA） 型号，是最新的实时目标检测器，它建立在以前 YOLO 版本的成功基础上，并引入了新功能和改进，以进一步提高性能和灵活性。YOLO11 旨在快速、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。

2、前提需要
anaconda3、pycharm下载完毕。
3、yolov11模型、权重下载
3.1模型下载：https://github.com/ultralytics/ultralytics

3.2、模型权重下载：

可以直接放在yolov11文件夹根目录下

4、环境配置
打开Anaconda Prompt

创建yolov11环境：
输入：conda create -n yolov11 python=3.12
(注：官网提示python>=3.8)
激活yolov11环境：

conda activate yolov11

安装依赖：

pip install ultralytics

5、pycharm添加解释器
①点击文件、设置；

②在设置中找到“python解释器”，在右侧点击“添加解释器”，在点击“conda环境”，选择“yolov11”，即可。

在终端运行：

yolo predict model=yolo11n.pt source='https://ultralytics.com/images/bus.jpg'

能成功运行，表示成功！！！

6、训练自己的数据集

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")

# Train the model
train_results = model.train(
    data="coco8.yaml",  # path to dataset YAML
    epochs=100,  # number of training epochs
    imgsz=640,  # training image size
    device="cpu",  # device to run on, i.e. device=0 or device=0,1,2,3 or device=cpu
)

# Evaluate model performance on the validation set
metrics = model.val()

# Perform object detection on an image
results = model("path/to/image.jpg")
results[0].show()

# Export the model to ONNX format
path = model.export(format="onnx")  # return path to exported model