yolo环境安装就一句话！
pip install ultralytics
ultralytics 是一个统一的 Python 库，而非单一版本的 YOLO 模型。 执行 pip install ultralytics 安装的是整个工具框架，它内部集成并支持从 YOLOv3 到最新 YOLO11 等所有主流版本。
YOLOv8 起：Ultralytics 将全部模型整合到 ultralytics 单库Ultralytics YOLO。
现在：pip install ultralytics 是唯一官方安装方式Ultralytics YOLO。
yolo是干啥的？
只有一个核心功能：推理（前向传播）输入一张图 → 输出框、类别、置信度。
训练不是 YOLO 的功能，训练是 PyTorch 的功能。
ultralytics 是什么？
是官方写的一套 "训练 + 推理 + 导出" 工具箱，它：
帮你读数据集
帮你搭训练循环
帮你保存权重
帮你导出 ONNX / TensorRT / CoreML
帮你做预测、可视化
YOLO：模型结构（算法本身）
PyTorch：负责训练、反向传播、梯度下降
ultralytics：负责把它们打包成一键工具
Ultralytics 调用 YOLO
Ultralytics 调用 PyTorch
Ultralytics = 工具库（上层）
PyTorch = 深度学习框架（底层）
YOLO = 模型结构（图纸）
用你能秒懂的话总结
Ultralytics 不自己算，它只 "安排"：它告诉 PyTorch 要跑一个叫 YOLO 的网络，PyTorch 负责真正去跑。
大白话：
Ultralytics 就是一个manager，Ultralytics 读取Yolo的逻辑，然后运行PyTorch的算法。
训练原理
目前所有的yolo版本都在Ultralytics 里，我们安装的时候也是一句话。
pip install ultralytics
那我们是如何区分yolov5,yolov7,yolov8等等呢？
文件名 = 版本号Ultralytics 内部自动识别，完全不用管。
model = YOLO("yolov8n.pt") # → 这就是 YOLOv8 model = YOLO("yolov10n.pt") # → 这就是 YOLOv10 model = YOLO("yolov11n.pt") # → 这就是 YOLO11
每个 YOLO 版本，内部都有一个专属配置：yolov8.yaml，yolov10.yaml，yolov11.yaml
这些文件里写死了：网络几层，用什么卷积，怎么检测，什么结构
你选哪个文件，就是用哪个 YOLO 训练！
所以训练的时候的指令就很重要：
python train.py --data coco128.yaml --weights yolov5s.pt --epochs 50 --batch 4
代表就是yolov5训练，它运行的时候偷偷自己调用了yolov5.yaml
所以吧，yolo这个东西只有训练的时候是有区别的，部署的时候是没有区别的，我个人的总结就是，yolo就是一个训练模型的工具。
然后说为什么训练的时候要加 -->yolov5s.pt?
它 = 官方预训练权重 = 已经学会了识别万物的 "学霸底子"它见过：人、车、狗、猫、杯子、键盘、飞机......80 类物体。
这里的 yolov5s.pt 作用：
不是让你识别它的东西，而是让它把 "视觉基础能力" 传给你的模型。
比如：边缘、纹理、形状、轮廓......
这叫迁移学习。没有它，你的模型训不出来，或者训得巨差、巨慢。
**训练完成：**你得到best.pt （你自己的模型！）
这个模型只认识你的产线零件
这才是你要拿去转 ONNX、部署 C++ 的文件！
用产线的比喻你瞬间明白
yolov5s.pt = 一个视力极好、学过视觉的老师傅
你的数据集 = 你们工厂的产品
训练 = 让老师傅教你的模型认你们的产品
best.pt = 学会你们产品的专属检测模型