1.安装依赖

安装依赖，我也是废了很久的时间，还真是扯淡啊，总是有各种各样的问题，最后终于还是解决了。

• window
  windos 安装GPU比较简单，安装 NVIDIA 驱动， nvidia-smi 查看 CUDA 版本, CUDA官网 找到对应版本，然后下载安装,使用nvcc -V查看是否安装成功即可。

• Linux
  也是先安装英伟达的驱动，安装驱动，然后下载 cuda ,安装。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

# 查看 cuda 版本，前提已经安好了GPU的各项驱动
nvidia-smi 

# 创建虚拟环境
conda create --name yolo python=3.9
# 切换虚拟环境
conda activate yolo

# https://pytorch.org/ 找到对应版本的 cuda 进行安装，我这里是 cuda 12.6 版本, 我用 pip 进行安装，结果gpu不可用
# pip3 install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu126
# 但是没有12.6版本的安装了，只能用12.4安装
# 安装 pytorch
conda install pytorch pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia 

# 使用pip安装
pip install ultralytics

2.YoloV11

最新的Yolo V11版本出来了，我还要去学习这个东西，虽然很多东西都不太懂，但是实践还是要进行的。文章 Ultralytics YOLO V11 初体验—训练COCO数据集—全流程记录 总结了使用 YoloV11 的步骤，其中有些地方我觉得可能不需要了，比如：运行生成训练集txt文件形式代码、制作存储图片路径的txt文件，这两步我都安排到了直接。

• 1.新建Conda 虚拟环境

  1 2 3 4

  # 创建虚拟环境 conda create -n yolo11 python=3.11 # 切换 conda activate yolo11

• 2.安装GPU pytorch
  这里需要根据不同的 cuda 版本，安装不同的 pytorch-cuda。

  1 2 3 4 5 6 7 8 9 10 11

  # 安装 conda install pytorch pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia # 查看是否可用 # 如果报错可以加下面两行 import os os.environ["KMP_DUPLICATE_LIB_OK"] = "TRUE" import torch print(torch.__version__) print(torch.cuda.is_available())

• 3.安装Utralytics
  这里我有一个疑问，就是我明明就是要安装 yolo v11 ，但是截止到2025年01月的时候，我使用 中科大源，还是清华源，最后安装的版本都是 8.3.58。后来我去官方仓库看了看，好像最新的就是 v8.3.58 这个版本，看来是我多虑了。

  1

• 4.下载YOLO V11 模型
  n、s、m、l、x 分别代表不同的尺寸，尺寸越大，精度越高，相应的也是越慢的。

• 5.下载COCO数据集
  网上下载就可以了。

• 6.下载 COCO.yaml
  地址

• 7.搭建训练文件目录
  训练目录大致上就是这么做的

  1 2 3 4 5 6 7 8 9 10 11 12

  datasets | coco | images | train2017 val2017 labels | train2017 val2017

• 8.将coco数据集转为yolo数据集
  COCO格式转化为YOLOv8格式 这里提供了代码，如何将 coco 的json格式，转为yolo的txt格式

• 8.修改yaml文件
  修改下载的 coco.yaml 配置文件，指定训练集和测试集。

  1 2 3

  path: D:/zlc/drone/drone-train/data/coco2017/ # dataset root dir train: D:/zlc/drone/drone-train/data/coco2017/images/train2017 # train images (relative to 'path') 118287 images val: D:/zlc/drone/drone-train/data/coco2017/images/val2017 # val images (relative to 'path') 5000 images

• 11.Code训练代码
  可以使用命令行直接训练，或者直接编辑 train.py 文件，如下代码

  1 2 3 4 5 6 7 8 9 10

  from ultralytics import YOLO import multiprocessing if __name__ == "__main__": multiprocessing.freeze_support() model = YOLO("yolo11n.pt") # load a pretrained model (recommended for training) # Train the model results = model.train(data="coco.yaml", epochs=8, imgsz=640)

3.YoloV12

4.中断训练

如果一个训练花费了很长时间，那么中间突然关机了，如何继续的训练呢？通过设置 resume=True，…… train 函数将使用存储在 “path/to/last.pt “文件中的状态，从中断处继续训练。如果 resume 参数被省略或设置为 False，…… train 功能将开始新的培训课程。

1
2
3
4
5
6
7
8

from ultralytics import YOLO

# Load a model
model = YOLO("path/to/last.pt")  # load a partially trained model

# Resume training
results = model.train(resume=True)

问题

（1） No module named ‘torch’
非常的奇怪，明明使用conda安装了依赖，结果还是不行。

【解决方案】

1
2
3
4

# 删除
conda remove -n yolo11 --all
# 新建
conda create -n yolo11 python=3.11

（2） Can’t get attribute ‘C3k2’ on ‘ultralytics.nn.modules.block’
这个问题不知道为什么本地测试没有问题，但是到了服务器上就出现问题了。

【解决方案】
升级 ultralytics 版本

1

pip install -U ultralytics