一、前言

本文内含YOLOv11网络结构图 + 训练教程 + 推理教程 + 数据集获取等有关YOLOv11的内容！

官方代码地址：https://github.com/ultralytics/ultralytics/tree/main/ultralytics/cfg/models/11

二、整体网络结构图 

三、环境搭建

 项目环境如下：

            解释器：Python：3.9.19

            框   架：Pytorch：2.0.1

            系   统：Win10

            IDEA  :   Pycharm             

四、数据集获取

免费数据集网站Roboflow一键导出Voc、COCO、Yolo、Csv等格式

随便下载了一个 数据集用它导出YOLO的数据集，自动给转换成txt的格式，yaml文件也已经配置好了，直接用就可以。

五、模型获取

代码地址：https://github.com/ultralytics/ultralytics

六、模型训练

下载好的模型代码用Pycharm打开后，我们需要添加自己的数据集：

train.py文件的代码我直接给出：

import warnings
warnings.filterwarnings('ignore')
from ultralytics import YOLO

if __name__ == '__main__':
    model = YOLO(r'D:\yolo\yolov11\ultralytics-main\datasets\yolo11.yaml')
    model.train(data=r'D:\yolo\yolov11\ultralytics-main\datasets\data.yaml',
                cache=False,
                imgsz=640,
                epochs=100,
                single_cls=False,  # 是否是单类别检测
                batch=8,
                close_mosaic=10,
                workers=0,
                device='0',
                optimizer='SGD',
                amp=True,
                project='runs/train',
                name='exp',
                )

注释：D:\yolo\yolov11\ultralytics-main\datasets\yolo11.yaml中的yolo11.yaml是我从ultralytics/cfg/models/11/yolo11.yaml中复制到datasets文件夹里的

打印模型结构：

七、全文总结

到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv11改进有效涨点专栏，本专栏目前为新开的，后期我会根据各种前沿顶会进行论文复现，也会对一些老的改进机制进行补充，如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新~

YOLOv11有效涨点专栏