用 Ultralytics YOLO11 在本地训练

摘要：本文演示如何使用 conda 创建隔离的 Python 环境，安装 Ultralytics YOLO11，准备自定义数据集（YOLO 格式），并在 CPU 环境下完成训练，生成权重文件 best.pt。
示例采用轻量级模型 yolo11n（nano 版本），便于在 CPU 上运行验证。

💡 适用场景：

• 无 GPU 的笔记本或台式机用户
• 想了解 YOLO 训练流程的初学者
• 用 CPU 进行小样本验证 / 教学演示

一、准备工作

1. 安装 Anaconda 或 Miniconda

如果尚未安装，可从官网下载：

• Anaconda 官网
• Miniconda 官网

安装完成后，打开 终端（Linux/macOS） 或 Anaconda Prompt（Windows）。

二、创建并激活 conda 虚拟环境

# 1. 创建新环境（推荐 Python 3.10 或更高）
conda create -n yolo11 python=3.10 -y

# 2. 激活环境
conda activate yolo11

三、安装 Ultralytics YOLO11

# 更新基础工具
pip install -U pip setuptools wheel

# 安装 YOLO (Ultralytics 官方)
pip install -U ultralytics

安装完成后可以测试：

python -c "import ultralytics; print('Ultralytics YOLO 版本:', ultralytics.__version__)"

或使用命令行查看帮助：

yolo help

四、准备数据集（YOLO 格式）

YOLO 模型要求的数据目录结构如下：

my_dataset/
├─ images/
│  ├─ train/
│  │  ├─ img001.jpg
│  └─ val/
│     ├─ img101.jpg
├─ labels/
│  ├─ train/
│  │  ├─ img001.txt
│  └─ val/
│     ├─ img101.txt
└─ dataset.yaml

每个标签文件（labels/train/img001.txt）格式如下：

<class_id> <x_center> <y_center> <width> <height>

坐标值均为相对比例（0~1 之间）。

示例 dataset.yaml

path: ./my_dataset
train: images/train
val: images/val

names:
  0: cat
  1: dog

测试官方内置数据集：

yolo detect train data=coco8.yaml model=yolo11n.pt device=cpu

五、在 CPU 上训练 YOLO11

yolo detect train data=dataset.yaml model=yolo11n.pt epochs=50 imgsz=640 batch=1 device=cpu

或使用 Python API：

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
results = model.train(
    data="dataset.yaml",
    epochs=50,
    imgsz=640,
    batch=1,
    device="cpu"
)

六、查看训练结果与权重文件

默认输出路径：

runs/detect/train/exp/
├─ weights/
│  ├─ best.pt
│  ├─ last.pt
├─ results.png

使用生成的权重进行预测

from ultralytics import YOLO

model = YOLO("runs/detect/train/exp/weights/best.pt")
model.predict("test.jpg", imgsz=640)

命令行方式：

yolo predict model=runs/detect/train/exp/weights/best.pt source=test.jpg device=cpu

七、常见问题与优化建议

八、完整脚本（可直接复制运行）

# 创建并激活环境
conda create -n yolo11 python=3.10 -y
conda activate yolo11

# 安装 YOLO
pip install -U pip setuptools wheel
pip install -U ultralytics

# 训练（CPU）
yolo detect train data=dataset.yaml model=yolo11n.pt epochs=50 imgsz=640 batch=1 device=cpu