一、下载ultralytics和配置相应环境快速配置ultralytics环境_ultralytics 安装镜像地址-CSDN博客二、数据集放置1.数据集转化为yolo格式XML转YOLO转COCO快速格式转换指南-CSDN博客2.放置相应文件夹3.修改data.yaml文件# dataset path path: D:\ldl\fourth\ultral\ultralytics-8.3.202\datasets\siwei #如果训练修改这个为绝对路径 train: images/train #如果训练修改这个 为相对路径 val: images/val #如果训练修改这个 为相对路径 test: images/test #如果训练修改这个 为相对路径 # number of classes nc: 7 #修改这个 # class names names: [car, .....] #修改这个三.下载权重1.下载预训练权重Ultralytics YOLO11 - Ultralytics YOLO 文档自己需要什么下载什么模型2. 放在相应位置四、创建train.py文件并修改相应参数1.程序import warnings warnings.filterwarnings(ignore) from ultralytics import YOLO if __name__ __main__: model YOLO(rD:\ldl\fourth\ultral\ultralytics-8.3.197\ultralytics\cfg\models\11\yolo11.yaml) #修改相应的模型 model.load(weight/yolo11n.pt) #注释则不加载 results model.train( datarD:\ldl\fourth\ultral\ultralytics-8.3.202\datasets\siwei\data.yaml, #数据集配置文件的路径 epochs300, #训练轮次总数 batch16, #批量大小即单次输入多少图片训练 imgsz640, #训练图像尺寸 workers8, #加载数据的工作线程数 device 0, #指定训练的计算设备无nvidia显卡则改为 cpu optimizerAdam, #训练使用优化器可选 auto,SGD,Adam,AdamW 等 amp False, #True 或者 False, 解释为自动混合精度(AMP) 训练 half False, cacheFalse # True 在内存中缓存数据集图像服务器推荐开启 )2.运行结果五、创建predict.py文件并修改相应参数from ultralytics import YOLOWorld # Initialize a YOLO-World model model YOLOWorld(runs/detect/train16/weights/best.pt) # or select yolov8m/l-world.pt for different sizes # Execute inference with the YOLOv8s-world model on the specified image results model.predict(demo/siwei,save True) # Show results results[0].show()
