配置环境并训练yolov11+（非常简洁，实用）

jackylzh2026-01-05 8:09

(base) C:\Users\NINGMEI> conda create -n yolov11 python=3.10

(base) C:\Users\NINGMEI>conda activate yolov11

(yolov11) C:\Users\NINGMEI>pip install --upgrade pip

(yolov11) C:\Users\NINGMEI>pip install ultralytics

安装完成后，可以在pycharm里的Terminal中，通过以下命令验证是否安装成功：

python

import ultralytics

print``(ultralytics.__version__)

6. 新建一个python文件，输入以下代码进行训练、验证和推理（测试）

python 复制代码

from ultralytics import YOLO

# 加载一个预训练的 YOLO11n 模型
model = YOLO("yolo11n.pt")

# 在 COCO8 数据集上训练模型 100 个周期
train_results = model.train(
    data="coco8.yaml",  # 数据集配置文件路径
    epochs=10,  # 训练周期数
    imgsz=640,  # 训练图像尺寸
    device="cpu",  # 运行设备 (例如 'cpu', 0, [0,1,2,3])
)

# 评估模型在验证集上的性能,并显示评估指标结果
metrics = model.val()

# 对图像执行目标检测
results = model("E:/pro/ultralytics-main/ultralytics/data/images2026/bus.jpg")  # 对单张图像进行预测
results[0].show()  # 显示结果

# 将模型导出为 ONNX 格式以进行部署
path = model.export(format="onnx")  # 返回导出模型的路径

https://developer.huawei.com/home/forum/hwc/thread-0211178647036676116-1-1.html