YOLO 11 安装与使用指南

unset unset YOLO 11 unset unset

YOLO11是Ultralytics YOLO系列实时目标检测器的最新迭代，它在准确性、速度和效率方面重新定义了可能性。在以往YOLO版本的显著进步基础上，YOLO11在架构和训练方法上引入了重大改进，使其成为广泛计算机视觉任务的多功能选择。

关键特性：

• 增强的特征提取： YOLO11采用改进的骨干和颈部架构，增强了特征提取能力，实现了更精确的目标检测和复杂任务的性能。
• 优化效率和速度： YOLO11引入了精细的架构设计和优化的训练流程，提供了更快的处理速度，并在准确性和性能之间保持了最佳平衡。
• 更少的参数实现更高的准确性： 随着模型设计的进展，YOLO11m在COCO数据集上实现了更高的平均精度均值（mAP），同时比YOLOv8m使用的参数减少了22%，使其在不牺牲准确性的情况下具有计算效率。
• 适应不同环境： YOLO11可以无缝部署在各种环境中，包括边缘设备、云平台和支持NVIDIA GPU的系统，确保了最大的灵活性。
• 支持广泛的任务： 无论是目标检测、实例分割、图像分类、姿态估计还是定向目标检测（OBB），YOLO11都旨在应对多样化的计算机视觉挑战。

unset unset 安装方法 unset unset

Ultralytics 提供了多种安装方法，包括 pip、conda 和 Docker。可以通过 ultralytics pip 包安装 YOLO 的最新稳定版本，或者通过克隆 Ultralytics 的 GitHub 仓库来获取最新开发版本。

# 稳定发行版
pip install ultralytics

# 从 GitHub 安装 最新版
pip install git+https://github.com/ultralytics/ultralytics.git@main

YOLO 11检测（Detect）、分割（Segment）和姿态估计（Pose）模型是在COCO数据集上预训练的，而分类（Classify）模型则是在ImageNet数据集上预训练的。

- 检测 https://docs.ultralytics.com/tasks/detect/
- 分割 https://docs.ultralytics.com/tasks/segment/
- 分类 https://docs.ultralytics.com/tasks/classify/
- 姿态估计 https://docs.ultralytics.com/tasks/pose/
- 旋转检测 https://docs.ultralytics.com/tasks/obb/

基础使用方法：

from ultralytics import YOLO

# 从头开始创建一个新的 YOLO 模型
model = YOLO("yolo11n.yaml")

# 加载预训练的 YOLO 模型（推荐用于训练）
model = YOLO("yolo11n.pt")

# 使用 'coco8.yaml' 数据集训练模型 3 个周期
results = model.train(data="coco8.yaml", epochs=3)

# 在验证集上评估模型的性能
results = model.val()

# 使用模型对图像进行目标检测
results = model("https://ultralytics.com/images/bus.jpg")

# 将模型导出到 ONNX 格式
success = model.export(format="onnx")

unset unset 使用案例 unset unset

使用场景：模型训练

https://docs.ultralytics.com/modes/train/#train-settings

from ultralytics import YOLO

# 加载模型
model = YOLO("yolo11n.yaml")  # 从YAML构建新模型
model = YOLO("yolo11n.pt")  # 加载预训练模型（推荐用于训练）
model = YOLO("yolo11n.yaml").load("yolo11n.pt")  # 从YAML构建并转移权重

# 训练模型
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

多GPU训练允许更有效地利用可用硬件资源，通过在多个GPU上分配训练负载。此功能可通过Python API和命令行界面使用。要启用多GPU训练，请指定您希望使用的GPU设备ID。

多GPU训练示例

使用2个GPU（CUDA设备0和1）进行训练。根据需要扩展到更多GPU。

from ultralytics import YOLO

# 加载模型
model = YOLO("yolo11n.pt")  # 加载预训练模型（推荐用于训练）

# 使用2个GPU训练模型
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=[0, 1])

yolo train data=coco8.yaml epochs=100 imgsz=640 device=0,1

以下是YOLO模型训练设置的表格形式：