从零开始，成功运行YOLOv11目标检测算法（YOLOv8通用）。

一、安装深度学习环境（PyTorch)

二、GitHub下载官方YOLOv11代码

        (1) 打开GitHub官网，搜索Ultralytics

      （2）下载Ultralytics公开的YOLOv11代码

    （3）将代码下载到本地之后解压缩到本地

三、准备数据集（训练集，验证集和测试集）以及配置.yaml文件。

    （1）准备数据集（确保数据集格式）

                我使用的数据集格式为：

   （2）配置数据集对应的.yaml文件

为什么要配置.yaml文件？是因为在训练时，会根据.yaml文件内提供的数据集地址去找到相对应的数据集，所以在.yaml文件内要写训练集、验证集及测试集的地址。

四、写训练脚本（即train.py）

       加载YOLOv11模型，默认加载的是YOLOv11n模型，如需加载其余模型，则将其余模型注释掉就可以了（如下图）。

      本部分只展示部分参数的设置，默认参数值在在本地代码ultralytics\cfg\default.yaml文件中，可根据需要进行相关配置。

五、安装YOLO环境

在第一步安装的深度学习环境之下，输入pip install ultralytics安装YOLO运行环境。

pip install ultralytics

说明：若没有配置国内镜像源（加速下载），可以使用如下语句在清华源镜像下安装YOLO运行环境。

pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple

六、运行YOLO目标检测代码（先看说明）

说明：在第一次运行YOLO目标检测代码时，代码会自动下载Arial.ttf字体以及YOLOv11n.pt权重文件，由于从国外下载会耗费太长时间，为了避免等待过长时间，我们在Github预先下载这两个文件，并放置在ultralytics文件夹下就好啦。（这样可节省初次运行代码下载这两个相关文件的等待时间）。

七、YOLO目标检测模型训练整个流程就结束啦，你运行成功了吗？