YOLO V11计数详细步骤：在自定义数据上训练，制作可视化界面，并打包成exe文件

 训练模型，生成权重

1 处理数据集，数据集必须是下面的格式

 2 写一个yaml的数据集文件，格式如下

 3 根据官网训练模型

pip install ultralytics

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

 用tk写可视化界面，并用auto-py-to-exe转换成exe文件

1 用tk写可视化界面

2 转换为exe文件，以及使用虚拟环境避免exe文件过大的办法

直接打包exe文件会把所有的包打包进去，导致exe文件巨大并且运行缓慢，需要用虚拟环境打包exe

安装虚拟环境

pip install pipenv

进入虚拟环境

pipenv shell

安装yolo的库

pip install ultralytics

安装auto-py-to-exe

pip install auto-py-to-exe

运行

auto-py-to-exe

填入并导出即可

models.yolo