1.下载yolo11模型ultralytics-8.3.392.创建Conda新环境先安装Anacondaconda create --name yolov11 python3.11.93.激活环境conda activate yolov11查看所有已存在的环境conda env list删除环境conda env remove -n 环境名配置清华源pip config set global.index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple4.安装cuda精简安装cuda_11.8.0 win10cuda_11.8.0 win11编辑环境变量C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp测试cuda是否安装成功nvcc -V无管理员权限时通过Conda安装安装Anaconda或Miniconda。打开Anaconda Prompt。创建一个新的环境或使用现有环境然后执行以下命令conda install cuda -c nvidia这条命令会在当前Conda环境中安装兼容的CUDA库无需系统级权限5.配置cudnncudnn-windows-x86_64-8.9.7.29_cuda11-archive将cudnn文件夹里的文件复制到cuda的安装目录覆盖C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8无管理员权限时通过Conda安装conda install cudnn6.安装GPU版本的torch官网Previous PyTorch Versionspip install torch2.7.1 torchvision0.22.1 torchaudio2.7.1 --index-url https://download.pytorch.org/whl/cu118使用conda安装conda install pytorch2.5.1 torchvision0.20.1 torchaudio2.5.1 pytorch-cuda11.8 -c pytorch -c nvidia7.安装numpypip install numpy1.26.48.安装其他所有依赖pip install ultralytics8.3.39配置python解释器9.labelimg数据集标注环境安装pip install labelimg启动pip install labelimg10.测试模型根目录下创建train.py文件from ultralytics import YOLO # 加载模型 model YOLO(yolo11n.pt) # 在图像上执行对象检测检查assets文件夹下的所有图片 results model(ultralytics/assets/,conf0.25,saveTrue)预测图片保存在runs\detect\predict11.开始训练下载数据集Roboflow Universe: Computer Vision Datasets根目录下创建yolo11.yaml文件# 数据集路径相对于此文件或绝对路径 path: ../datasets/person # dataset root dir # 训练集和验证集路径相对于path train: ../train/images # train images (relative to path) 4 images val: ../valid/images # val images (relative to path) 4 images test: ../test/images # test images (optional) # 类别数量 nc: 1 # 类别名称必须与类别ID对应 names: [person]根目录下创建yolo11-train.py文件from ultralytics import YOLO #Load a model model YOLO(yolo11n.pt) #train the model model.train(datayolo11.yaml, workers0, epochs50, batch16)运行后得到runs\detect\train训练结果由results.png图表值表示12.继续训练增加训练epoch根目录下创建yolo11-continue.py文件from ultralytics import YOLO if __name__ __main__: # 从零开始构建新模型 model YOLO(runs/detect/train/weights/last.pt) # 训练模型 model.train(datayolo11.yaml,epochs50,device0,pretrainedTrue)13.加载最好的模型预测终端下运行yolo detect predict modelruns/detect/train/weights/best.pt sourcedatasets/people/ saveTrue14.更改运行结果保存路径更改ultralytics/cfg/default.yaml增加save_dir# 将推理内容存在这个目录内 save_dir: ./people