YOLO快速入门和Label Studio的安装使用（速成课）

本文流程

安装环境->yolo使用介绍->原理->标记训练

Miniconda的安装和使用

使用condamini可以创建一个虚拟环境，防止电脑上的python环境被扰乱（但不安装也行。），以后安装的库什么的都塞到这个虚拟环境里了。

Installing Miniconda - Anaconda

直接官网下载miniconda就行。（完整conda也行，但比较大占用空间）

下载完之后，按照链接中的文档安装。

安装完之后，进cmd输入conda会输出

C:\Windows\System32>conda

usage: conda-script.py [-h] [-v] [--no-plugins] [-V] COMMAND ...

conda is a tool for managing and deploying applications, environments and packages.

options:

-h, --help Show this help message and exit.

-v, --verbose Can be used multiple times. Once for detailed output, twice for INFO logging, thrice for DEBUG

logging, four times for TRACE logging.

--no-plugins Disable all plugins that are not built into conda.

-V, --version Show the conda version number and exit.

.........

我们只需要创建一个虚拟环境就行

conda create -n [名称] python=[python版本号]

例如：conda create -n yolo python=3.12

创建一个叫yolo的，python版本为3.12的虚拟环境。（基于2026年2月的情况，我推荐使用python3.12，因为这是后面库支持的最高版本，如果你是在27年或者更未来看到的话，建议根据后面的库的文档中建议的最高python版本创建）

创建完之后会报

C:\Windows\System32>conda create -n test python=3.12

3 channel Terms of Service accepted

Retrieving notices: done

WARNING: A directory already exists at the target location 'C:\Users\sansh\miniconda3\envs\test'

but it is not a conda environment.

Continue creating environment (y/[n])?

后面你按着提示走就行，conda会自动下载并创建。

conda activate [名称]

激活那个环境。

这时候命令行提示符前面会出现你之前创建的环境的名称。例如我的（yolo）

此时说明你接下来的python操作都是在这个环境里的。

输入python时，也可以看到版本信息，并且说明这个版本是anaconda创建的。

C:\Windows\System32>conda activate yolo

(yolo) C:\Windows\System32>python

Python 3.12.12 | packaged by Anaconda, Inc. | (main, Oct 21 2025, 20:05:38) [MSC v.1929 64 bit (AMD64)] on win32

Type "help", "copyright", "credits" or "license" for more information.

>>>

这里列一些常用命令

conda create -n [环境名称] python=[python版本号]

conda activate [环境名称]

conda deactivate

conda remove [环境名称]

conda rename [环境名称]

conda list

PyTorch的安装

yolo的推理和训练是以这个库为基础的，所以必须要安装这个库（事实上这个也是最常用的机器学习库）

Get Started

可以访问这个链接进行安装。

stable是稳定版，preview是实验版（更新快，东西新，有bug）

我们选择pip和python安装（可以看到这个要求版本高于python3.10）

根据你的显卡情况选择cuda版本，如果没有显卡就选择cpu（有显卡，显卡好的训练的快，或者懒得搞显卡驱动也可以cpu先用着）

（如果你是AMD的话，需要ROCm，不过我没安装过，就不多扯了）

这个版本要怎么看？

C:\Windows\System32>nvcc --version

nvcc: NVIDIA (R) Cuda compiler driver

Copyright (c) 2005-2025 NVIDIA Corporation

Built on Wed_Jul_16_20:06:48_Pacific_Daylight_Time_2025

Cuda compilation tools, release 13.0, V13.0.48

Build cuda_13.0.r13.0/compiler.36260728_0

输入nvidia-smi可以看到当前显卡驱动支持的CUDA最高版本（可以看到我这里支持的最高版本是cuda version 13.1)

C:\Windows\System32>nvidia-smi

Mon Feb 23 09:35:59 2026

+-----------------------------------------------------------------------------------------+

| NVIDIA-SMI 591.74 Driver Version: 591.74 CUDA Version: 13.1 |

+-----------------------------------------+------------------------+----------------------+

| GPU Name Driver-Model | Bus-Id Disp.A | Volatile Uncorr. ECC |

| Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. |

| | | MIG M. |

|=========================================+========================+======================|

| 0 NVIDIA GeForce GTX 1650 Ti WDDM | 00000000:01:00.0 Off | N/A |

| N/A 63C P8 5W / 50W | 175MiB / 4096MiB | 0% Default |

| | | N/A |

+-----------------------------------------+------------------------+----------------------+

+-----------------------------------------------------------------------------------------+

| Processes: |

| GPU GI CI PID Type Process name GPU Memory |

| ID ID Usage |

|=========================================================================================|

| 0 N/A N/A 9252 C+G ...ram Files\Tencent\QQNT\QQ.exe N/A |

| 0 N/A N/A 12640 C+G ...ram Files\Tencent\QQNT\QQ.exe N/A |

+-----------------------------------------------------------------------------------------+

当然这两个是已安装完驱动和CUDA Toolkit后才会显示。

如果你用nvidia-smi看到连PyTorch的最低版本都不支持，有两种可能一种是你的显卡太老了，第二种是你的显卡驱动需要更新。

NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA

如果你是N卡，进这里，按照它给出的提示，自动或者手动安装你显卡支持的最新驱动。

安装完成后，进这里安装CUDA Toolkit

CUDA Toolkit Archive | NVIDIA Developer

这里选择的安装版本，要根据PyTorch支持的CUDA版本选择，并且不能超过你显卡驱动支持的最高版本。

因为我的最高支持版本是CUDA Version: 13.1，并且PyTorch的库的最高支持版本是13.0，所以这里我选择13.0版本安装。

安装完成后输入nvcc --version就可以找到了

驱动装完了继续回到PyTorch，把Run this Command里的内容复制到终端运行，就会自动安装

（注意这些需要在你创建的虚拟环境里安装！别安装到外面了，可能你之前捣鼓cuda把这事忘了，这里提醒一下！）

(yolo) C:\Windows\System32>pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu126

Looking in indexes: https://download.pytorch.org/whl/cu126

Requirement already satisfied: torch in c:\users\sansh\miniconda3\envs\yolo\lib\site-packages (2.10.0+cu130)

Requirement already satisfied: torchvision in c:\users\sansh\miniconda3\envs\yolo\lib\site-packages (0.25.0+cu130)

.........

当然，我这里都装过了，实际上安装大概需要半个小时左右。

安装完后可以输入pip show torch验证一下当前版本是cu130

(yolo) C:\Windows\System32>pip show torch

Name: torch

Version: 2.10.0+cu130

Summary: Tensors and Dynamic neural networks in Python with strong GPU acceleration

Home-page: https://pytorch.org

Author:

Author-email: PyTorch Team <packages@pytorch.org>

License: BSD-3-Clause

Location: C:\Users\sansh\miniconda3\envs\yolo\Lib\site-packages

Requires: filelock, fsspec, jinja2, networkx, setuptools, sympy, typing-extensions

Required-by: stable_baselines3, torchvision, ultralytics, ultralytics-thop

也可以用这种方式验证

(yolo) C:\Windows\System32>python

Python 3.12.12 | packaged by Anaconda, Inc. | (main, Oct 21 2025, 20:05:38) [MSC v.1929 64 bit (AMD64)] on win32

Type "help", "copyright", "credits" or "license" for more information.

>>> import torchvision

>>> import torch

>>> torch.cuda.is_available()

True

>>> torch.randn(1).cuda()

tensor([-0.1820], device='cuda:0')

YOLO的安装

有了上面的基础现在我们可以安装yolo了。

安装 Ultralytics - Ultralytics YOLO 文档

pip install -U ultralytics

找到这条命令，安装就行，也可以按照说明从github上安装最新的测试版。

安装完成之后，我们的环境就搭建成功了。

我们查看和阅读yolo的文档，这个是最新的yolo26，当然不同的版本有不同的特色，你可以询问AI这些版本都有哪些不同，选择哪个版本更好。但这里我先选择26作为演示。

Ultralytics YOLO26 - Ultralytics YOLO 文档

可以看到yolo支持这些任务和模式，根据你的实际情况选就行。

如果你需要识别某个物体是什么，在什么坐标位置，可以选yolo26

如果你希望能识别一些物体的轮廓使其和环境分隔开，就选择yolo26-seg

如果你希望识别某个物体的运动骨架什么的，就选择yolo26n-pose

等等，当然文字描述肯定并不准确，你可以在网上搜索不同模型的使用的视频。

其中不同模型都分成 n、s、m、l、x 不同的型号，简单来说就是模型大小的不同，模型越大，精确越高，速度越慢。

具体如何选择看使用场景。

YOLO初体验

我们用yolo26n.pt简单测试一下，如果识别个人什么的。（其实不用下载，你代码中使用到了内部会自动下载，很智能）

yolo26n.pt是yolo官方已经训练过的模型，我们可以以此为基础进行训练，但其默认自带了一些已经训练好的内容，例如识别一些简单的物品什么的。

我使用的环境是vscode。

创建一个文件夹作为实验场地，丢给vscode打开。

可能会提示是否信任作者，点信任就行。

另外没用过vscode写python的话，要先安装一个python环境。

安装完之后，我们选择一下之前在conda里创建的虚拟环境。

我们创建一个test.py，并在里面输入代码，识别图片中某些物品的位置。

from ultralytics import YOLO

# Load a pretrained YOLO26n model
model = YOLO("yolo26n.pt")

# Define path to the image file
source = "path/to/image.jpg"

# Run inference on the source
results = model(source)  # list of Results objects

我在网上随便找了一个图片，可以看到识别效果。

运行后，检测出有六个人。

如果你想让它显示出来，可以些代码如下。

from ultralytics import YOLO

# Load a pretrained YOLO26n model
model = YOLO("yolo26n.pt")

# Define path to the image file
source = "test.jpg"

# Run inference on the source
results = model(source)  # list of Results objects

for result in results:
    boxes = result.boxes  # Boxes object for bounding box outputs
    masks = result.masks  # Masks object for segmentation masks outputs
    keypoints = result.keypoints  # Keypoints object for pose outputs
    probs = result.probs  # Probs object for classification outputs
    obb = result.obb  # Oriented boxes object for OBB outputs
    result.show()  # display to screen
    result.save(filename="result.jpg")  # save to disk

运行之后，检测效果如下。

此外也可以使用摄像头功能，实时在控制台上输出检测信息

from ultralytics import YOLO

# Load a pretrained YOLO26n model
model = YOLO("yolo26n.pt")

# Run inference on the source
results = model(source=0, stream=True)  # generator of Results objects
for result in results:
    print(result.boxes.xyxy)  # print boxes (xyxy format)

更详细的使用，可参考

使用 Ultralytics YOLO 进行模型预测 - Ultralytics YOLO 文档

原理

整个过程就三步，标注，训练，推理。如果把这个过程比作教小学生看图识字：

1. 标注： 老师拿红笔在书上把"苹果"圈出来，并在旁边写上"苹果"，写一大堆案例。
2. 训练： 学生（神经网络）看图，一开始乱指。老师根据指偏了多少、认错了多少打分（损失函数）。学生根据分数调整自己的观察方法（权重更新）。
3. 推理： 考试了，给一张没见过的图。学生快速看一眼，圈出他认为的苹果，并在旁边写上苹果。

简单来说，我们接下来的活动就是，收集一些数据集，然后用标注软件标注信息（这里用label studio），标注完之后，丢该电脑训练，训练出来的结果就是xxxx.pt模型，然后你拿着模型，就像上面那样用就行。

为了便于学习、理解，笔者会用一个小项目作为演示。（你不必和我做的一样，你可以按照你的思路做你的游戏或者其他什么的）

这是一个我小时候经常玩的游戏，本质上就是炸弹人的一个变种。

根据我的预想，我希望检测三个目标，玩家，敌人，炸弹。

我希望能实时监测出来这三个目标的位置，并分类标注。

下面的内容将会以这个项目做演示。

数据集的收集

要标注，总要告诉AI练什么吧，所以我们需要准备一些数据集。

为了实现这个目标，我使用obs，按每秒一帧的方式进行录制。

在经过几分钟的游戏之后，我结束了游戏的录制，并编写代码将录制好的mp4格式的视频分割成几百张图片。

import cv2 as cv
from ultralytics import YOLO
from time import sleep

rec = cv.VideoCapture('player.mp4')

# 设置从第14332帧开始读取
# rec.set(cv.CAP_PROP_POS_FRAMES, 5400)

i=1 #从上一个的最后一帧开始保存
while True:
    r,f = rec.read()
    if not r:
        print("mei you geng duo zhen le.")
        break
    if cv.waitKey(1) == ord('q'):
        print("exit")
        break

    i += 1
    if i % 1 == 0: #每隔n帧保存一次
        cv.imwrite(f'./player_jpg/{i}.jpg',f)
rec.release()
cv.destroyAllWindows()

从这些视频中抽选出200张有代表性的，（如果你的场景越复杂，就多搞点数据，当然训练的也就越慢）

为了能让AI学习到特征，需要在不同的背景上，玩家，敌人，炸弹，三个角色在不同的位置出现。

并测试玩家在被遮挡一半，敌人被遮挡一半，两者重叠等多种情况。以便AI能从一部分中理解这一现象，并识别出目标。

当数据集准备完毕之后，我们进行label studio软件的安装。

label studio的安装和使用

我们如果需要训练自己的模型，肯定要训练数据集进行标记。

label studio是一个开源的数据标注软件，由于可以网络部署多人协作，所以用的比较多。

Label Studio Documentation --- Quick start guide for Label Studio

这里演示label studio的安装（其实执行下面一条命令就安装了）

(yolo) C:\Windows\System32>pip install label-studio

然后

(yolo) C:\Windows\System32>label-studio

就能启动

在浏览器里输入 http://localhost:8080/ 就能访问

然后注册一个账号。

登录进去，理论上里面是没有东西的，当然我这里有几个遗留的测试项目。

点击创建一个项目，这里会让你输入项目名称，以及项目的描述

这里可以导入数据，使用URL或者直接上传文件的方式。

注意如果你的数据量达到上千张图片之类的话，不应该从这里导入，会报错，大数据导入后面我会介绍。

不过如果你只是测试，导入百来张图片的话，就无甚大碍了。

我们将准备好的数据集传进去。

下一步，到这里我们看到有很多模板，例如第一个是几何形式分割识别对应yolo26-seg，第二个是以位图的形式分割识别，这个也对应yolo26-seg。

我们只需要识别类型和位置就行，所以使用第三个。

点中之后，会让你填写标签，它默认的示例是车辆和飞机，以及一张测试图片，你可以在右侧拉框框测试颜色。

我们将默认标签删掉，然后填上我们自己需要的标签，就像这样。

可以在左边拉框框测试，或者改标签的颜色。

这里不用担心标签打错了，少打了，或者颜色不对什么的，如果后面你想添加新的标签可以随时添加，已有的标签改变颜色，已经标的框框都会变，所以不必担心。

一切搞定我们点击save完成。

p.s. 下面这部分是写给几千几万几十万图片需要导入的用户的，如果不需要可以略过

首先你需要先把lable studio的服务关掉，设置环境变量然后再启动。

C:\Windows\System32>set LABEL_STUDIO_LOCAL_FILES_SERVING_ENABLED=true

C:\Windows\System32>set LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT=C:\\date\\media

C:\Windows\System32>label-studio

注意那个C:\\date\\media替换成你的数据集的上一级目录（因为为了安全考虑，这个不能直接写主目录），我这里懒得搞就直接上一级目录了。

在终端执行:

点击setting

点击add source storage（此处从本地导入，如果是从云库导入的话，可以看它的帮助文档）

然后在这里填入你数据集的目录，然后点击测试，测试通过的话，就点next。（如果环境变量没有设置好的话，你会看到一个红框，并提示你去设置。）

为了便于理解，我这里翻译了一下。

然后按红表的标记选，选中files，然后文件名用正则筛出所有的图片，下面链接有写好的正则，点一下就自动填上去的。然后点击加载，就把图片都加载进去了，当然我这里只是演示，所以随便塞了几个gif上去。

整完之后，保存同步，或者先保存，以后再同步。

可以看到这里已经导入了，回到这里，可以看到这里有两个图片了。

书回正题，总之我们创建成功之后，就是这样（考虑到整数便于计算，这里我改成了用两百张图片）。

（默认的序号是按图片的id排序的，这里我们改成内部id）

现在我们点进去第一个开始标记。

如图所示，点击下面的标签，或者按快捷键（数字），把你需要标记的物体拉个框框标起来就行，尽量在完整的包括对象的同时，尽量小。

可以看到不同的标签，框出来的是不同的颜色（注意不要框错了，框错了AI就学坏了）

框完之后点submit提交，然后框下一个。

刚刚我发现这个标签的颜色不太对，颜色差异太小了，容易弄混，所以点击setting重新改了一下。

现在看起来就好多了。

标记的时候需要注意一下，如果需要的精度比较高的话，建议第一轮训练的时候，如果有一些物体被遮挡住，只标记那些可以明显的可以推断出来的物体，如果遮挡了4/5之类的就不要标了。等到第二轮训练AI有了一定经验之后，再保标，防止过拟合。

经过一个多小时的标记，我放弃了，只标了150个，实在不想搞了，就这样凑合用吧，这活真不是人干的。

如果你有几万个数据的话，后面我会讲怎么用AI标记。

简单来说就是你先标记几百个，然后拿这几百个去训练AI，让AI学会标记之后，自动给你剩下的几万个标记起来，你只需要一张一张的看，然后修改一下存在问题的就行了。

总之不管那些，我们继续搞，把那些没标记的隔离掉，然后全部选中导出。

理论上导出的数据应该是带图片的，但很难蚌，导出的压缩包的img里都是空的。

由于我是搭在服务器上的，只好从服务器里重新下载回来。

训练

接下来我们创造一个目录结构，然后放进我们之前创建的yolo2目录中

其中images是放置图片的，labels是存放标签信息的，里面的数据其实是标签的坐标信息，两者的文件一一对应。

其下又分了两个目录，一个是训练集一个是验证集

简单理解的话，训练集是给AI学的，AI学完之后，会用验证集里的内容验证一下自己学的对不对。

我们按4:1的形式，每五张图片抽一张出来做验证。

都放进之后，我们再创建一个文件，我就随便起名叫 test.yaml

该yaml的内容，描述了训练图片的路径和验证集的路径。

下面的name则是标签名，这个标签名按照你之前设置的标签的先后顺序填就行了。

保存完之后，我们正式写训练脚本。

训练脚本很简单，我们以yolo26n.pt模型为预训练模型，然后训练的数据描述文件也就是我们刚才写的那个。

代码解释我让AI解释一下。

1. model = YOLO("yolo26n.pt")

• 含义：指定预训练模型的权重文件。
• 注意 ：你写的 yolo26n.pt 看起来像是一个笔误或者非官方文件名。Ultralytics 官方通常使用 yolov8n.pt, yolov8s.pt, yolov11n.pt 等。
• 建议 ：
  • N (Nano): 速度最快，精度最低，适合移动端或边缘设备。
  • S (Small): 速度和精度的平衡点，适合大多数通用场景。
  • M/L/X: 模型更大，精度更高，但推理慢，显存占用大。
  • 推荐 ：先用 yolov8n.pt 或 yolov8s.pt 跑通流程，如果精度不够，再换大的。

---

2. data="test.yaml"

• 含义：数据集配置文件的路径。
• 建议 ：
  • 确保 YAML 文件里的 path（根目录）、train（训练集图片路径）、val（验证集图片路径）填写正确。
  • 关键点 ：检查 names 里的类别数量是否和你的标注文件一致。如果 YAML 里写错类别数，训练会报错或读不出标签。

---

3. epochs=5 (训练轮数)

• 含义：整个数据集被训练多少遍。
• 现状 ：5 轮太少了。这通常仅用于测试代码是否能跑通（Debug）。在实际任务中，模型还没来得及学习特征就会停止。
• 建议 ：
  • 微调 ：如果你有大量数据，建议设置为 50 ~ 100。
  • 从头训练 ：建议 100 ~ 300。
  • 技巧 ：YOLO 会自动保存最佳模型（best.pt），所以你可以把 epochs 设得大一点（如 300），配合 patience（早停参数），当模型不再提升时会自动停止，不用怕浪费时间。

---

4. imgsz=640 (输入图像尺寸)

• 含义：训练时将图片缩放到的尺寸。默认 640x640。
• 影响 ：
  • 尺寸越大 ：能识别出更小的物体，精度通常更高，但训练速度变慢 ，显存占用暴增。
  • 尺寸越小：训练极快，显存占用低，但小物体可能看不清。
• 建议 ：
  • 默认 640 是最通用的。
  • 如果你的目标物体很小 （例如航拍图、零件缺陷检测），尝试改成 1024 或 1280。
  • 如果显存不够用，先降低这个参数（如 480 或 320）。

---

5. batch=16 (批大小)

• 含义：一次训练喂给模型的图片数量。
• 影响 ：
  • Batch 越大：训练梯度更稳定，显存占用越高。
  • Batch 越小：显存占用低，但梯度震荡，可能需要调整学习率。
• 建议（显存调试法） ：
  • 如果你的显存是 8G ：尝试 batch=16。
  • 如果显存是 12G/16G ：尝试 batch=32 或 64。
  • 如果报错 CUDA out of memory：减半（改为 8, 4, 甚至 2）。
  • 如果显存没满，尽量调大，能加快训练速度。

---

6. device=0 (设备)

• 含义：指定训练硬件。
• 建议 ：
  • 0: 使用第 1 块 NVIDIA 显卡（最常用）。
  • 1: 如果你有两块卡，想用第 2 块。
  • cpu: 强制用 CPU（速度极慢，不推荐）。
  • mps: 如果你是 Mac (M1/M2/M3 芯片)，用这个。
  • [0,1]: 使用多卡并行训练（需要显卡够多）。

---

7. workers=4 (数据加载线程数)

• 含义：负责读取图片和预处理数据的线程数量。
• 影响：设置太小，GPU 训练完一张图，需要等 CPU 读下一张图，导致 GPU 空转。
• 建议 ：
  • Windows 用户 ：建议保持 4 或 8。Windows 下如果设得太大（如 16+）容易报错或多进程卡死。
  • Linux 用户 ：通常可以设为 8 或 CPU 核心数，能显著提升数据加载速度

训练完成之后，可以在run目录下找到last.pt和best.py，一个是最后一次训练的模型，一个是训练的最好的一个模型。

其中还生成了各种.png文件，特别是results.png，描述了训练的结果如何，读者可以根据关键词向AI询问，这里就不过多介绍了。

有了这两个模型，你就能像之前测试一样使用了。

---

先写到这里，后面自动化AI标记日后再更。