`)
1. 环境安装由于已经使用过以前的yolov5，已经安装anaconda、cuda、cudnn等。1. 新加conda环境明确指定版本，否则可能会因为版本过高导致有包安装不上。# 1 安装指令conda create-n yolo python=3.10# 2 激活环境activate yolo# 3 查看环境conda envlist2. pytorch安装GPU版1. 直接安装官网根据你自己的情况选择版本与安装方式1）直接安装 pip install torch==2.5.0torchvision==0.20.0torchaudio==2.5.0--index-url https://download.pytorch.org/whl/cu1182）临时指定镜像源，单次安装 pip install torch torchversion torchaudio-i https://pypi.tuna.tsinghua.edu.cn/simple3）永久配置镜像源，所有pip安装均默认使用设置的镜像源 pip configsetglobal.index-url https://pypi.tuna.tsinghua.edu.cn/simple4）使用镜像源安装cuda版本，且断点续连 pip3 install torch==2.6.0+cu118 torchvision==0.21.0+cu118 torchaudio==2.6.0+cu118-i https://pypi.tuna.tsinghua.edu.cn/simple--trusted-host pypi.tuna.tsinghua.edu.cn--extra-index-url https://download.pytorch.org/whl/cu118--resume-retries10--timeout600--retries102. 下载好安装直接安装耗时长，可能会一直装不好，可以将包下载好安装。下载并安装cuda+torch版本。cuda+torch版本下载torchvision版本，注意一定与torch版本对应。下载torchaudio版本，注意一定与torch版本对应。3. 安装相应的包pip install opencv-python pip install ultralytics pip install tqdm pip install pandas pip install pywin32...4. pycharm导入环境打开pycharm，File —setting —Project: ultralytics-main11 — Python Interpreter — Add Interpreter — Add Local Interpreter点击Virtualenv Environment - Existing，点击右边三个点，找到刚才添加的yolov11环境的位置，按照本文配置即是D:\soft\anaconda\envs\py\python.exe 路径，之后一直点ok即可。5. Yolov11源码Yolov11官网代码地址2. 用CVAT标注自己数据集1. 创建项目，导入自己的图片创建项目，添加标签创建task，将图片导入创建job，开始标注。我这里使用的是polygon，点击的shape，若有相同的，使用复制粘贴标签。若图片一致性好，可以使用Track，直接延续上面的标注。2. 导出数据直接在Projects下，点击项目右下角三点，选择Export dataset。这里选择的是coco数据集格式。选择yolo格式，导出来的数据为空，不知道为什么？再将coco格式转为yolo格式。打开json文件可能一行显示。多行显示：使用vscode打开，在空的地方右键单击，选择格式化文档(“Format Document”)。3. json转txt数据格式1. ultralytics官网提供了数据格式转换JSON2YOLO2. json转txt数据格式代码参考该文章，并针对我自己的实际需求进行了一定的修改。importjsonimportosimportshutilimportrandomfrompathlibimportPath TRAIN_RATIO=80defcheck_files(save_labels_dir,save_images_dir):backup_dir=save_images_dir.replace('images','backup')os.makedirs(backup_dir,exist_ok=True)image_unexpected,label_unexpected=[],[]image_list=os.listdir(save_images_dir)label_list=os.listdir(save_labels_dir)forimageinimage_list:image_name=imageifimage_name.replace('jpg','txt')notinlabel_list:image_unexpected.append(image_name)shutil.move(os.path.join(save_images_dir,image),os.path.join(backup_dir,image))forlabelinlabel_list:label_name=labeliflabel_name.replace('txt','jpg')notinimage_list:label_unexpected.append(label_name)shutil.move(os.path.join(save_labels_dir,label),os.path.join(backup_dir,label))returnimage_unexpected,label_unexpecteddefjson2txt(json_path,image_dir,save_dir):save_images_dir=os.path.join(save_dir,'images')save_labels_dir=os.path.join(save_dir,'labels')os.makedirs(save_images_dir,exist_ok=True)os.makedirs(save_labels_dir,exist_ok=True)withopen(json_path,"r")asf:coco_data=json.load(f)# 创建类别索引映射category_id_to_index={cat["id"
？`)
