1. 模型训练前的环境准备
在开始训练YOLOv11模型之前,环境配置是第一个需要跨越的门槛。很多新手在这里栽跟头,最常见的问题就是版本不兼容。官方仓库的requirements.txt看似简单,但实际操作中会遇到各种意想不到的问题。
我建议使用conda创建独立的Python环境,这样可以避免与系统环境冲突。具体操作如下:
conda create -n yolov11 python=3.9
conda activate yolov11
关于PyTorch的安装,这里有个重要细节:官方文档可能给出的是最新版本的PyTorch,但实际使用时应该选择与你的CUDA版本匹配的PyTorch版本。比如你的服务器是CUDA 11.7,就不要安装默认的PyTorch(可能对应CUDA 12.x)。正确的安装命令应该是:
pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 --extra-index-url https://download.pytorch.org/whl/cu117
注意:在安装依赖时,建议先安装PyTorch,再安装其他依赖包,这样可以避免自动安装不兼容的版本。
2. 数据集准备与配置
数据集是模型训练的基础,YOLOv11支持多种数据格式,但最常用的是YOLO格式。一个典型的数据集目录结构应该如下:
dataset/
├── images/
│ ├── train/
│ └── val/
└── labels/
├── train/
└── val/
每个图像对应的标签文件应该是.txt格式,内容如下:
<class_id> <x_center> <y_c
196



被折叠的 条评论
为什么被折叠?



