yolov11快速上手模型训练

部署好了yolov11的环境，现在我们就上手训练自己的第一个模型吧！！！

一、寻找自己的数据集

这里我们找了一些向日葵照片当做测试数据集，数据集数量越多训练出来的模型效果也更好，这里仅做测试。

 如果是训练分类模型就不需要标注文件，如果是目标检测就需要标注文件了，我们可以使用一些标注工具来得到标注文件

二、编写yaml文件

在数据集路径文件下创建yaml文件

三、训练模型 

这是一个简单的训练模型代码，可以根据自己的需求更改对应的参数达到更好的训练效果

from ultralytics import YOLO

if __name__ == '__main__':
    model = YOLO("yolo11n.pt")  # 加载预训练模型
    model.train(data="C:\\Users\z1788\Desktop\\ultralytics-main (2)\\ultralytics-main\\ultralytics-main\dataset_23313\custom_dataset.yaml",  # 数据集配置文件
                epochs=100,
                imgsz=640,
                batch=16,
                device='0')  # 使用GPU训练

执行完该训练程序后，我们可以得到训练模型及一些训练时参数（可帮助我们分析）

 四、测试模型

我们使用一个简单的测试代码测试

from ultralytics import YOLO
# 加载预训练的 YOLOv11n 模型
model = YOLO('best.pt')
source = 'img_5.png' #更改为自己的图片路径
# 运行推理，并附加参数
model.predict(source, save=True)

这里看到我们训练模型识别的效果啦，是不是很有意思呢，快去试试，开始你的第一个模型吧！！！