Step 1：明确任务与指标#

在动手前一定要想清楚：

你需要回答的问题

• 是 目标检测 / 分割 / 姿态 / 分类？

• 实时性要求？

• 部署平台是 PC GPU / Jetson / CPU？

  • x86和arm架构在部署推理上有所区别，这与他们各自的指令集和硬件加速生态不同有关
  • 不知道x86和arm架构间的区别? 🧐👉 CPU是咋工作的？详解x86 vs ARM

• 精度要求？

  • 看你侧重的是有没有检测出来还是不仅要检测到，还要框得很准

Step 2：数据采集#

原则

• 数据分布 > 数据量

• 一定要覆盖：

  • 不同光照

  • 不同距离

  • 不同角度

  • 模糊 / 遮挡 / 噪声

建议数量（检测）

• 最低可用：300～500 张

• 稍微靠谱：1000～3000 张

• 工程可用：5000+

📌 数据比模型重要 10 倍

Step 3：数据标注#

常用工具

• MakeSence (我比较喜欢这个)

• LabelImg（最常见）

• CVAT（多人协作）

• Roboflow（在线）

怎么标注，以MakeSence为例 👉 makesence标注车辆的讲解视频

YOLO 检测标注格式

1
class_id x_center y_center width height

全部是归一化到 [0,1]

📌 注意：

• 类别 ID 从 0 开始

• 坐标是 中心点，不是左上角

数据集有不同格式，例如VOC、COCO，拿到不同格式的数据集也不要慌，可以使用python脚本将数据集转换成所需要的格式（大部分）

Step 4：数据集组织（YOLO 标准）#

数据集里分为训练集、验证集、测试集，三者各自干什么

先用一个不恰当的比喻来说明3种数据集之间的关系：

• 训练集相当于上课学知识
• 验证集相当于课后的的练习题，用来纠正和强化学到的知识
• 测试集相当于期末考试，用来最终评估学习效果

1️⃣ 训练集（Train）

• 用来 更新模型参数

• 反向传播、梯度下降

• 数据增强主要用在这里

📌 占比最大

2️⃣ 验证集（Val）

• 不参与训练

• 用来：

  • 评估模型效果，为了调整超参数而服务
  • 调整超参数，使得模型在验证集上的效果最好
  • 验证集不像训练集和测试集，它是非必需的。如果不需要调整超参数，就可以不使用验证集，直接用测试集来评估效果。
  • 验证集评估出来的效果并非模型的最终效果，主要是用来调整超参数的，模型最终效果以测试集的评估结果为准。

📌 非必须

3️⃣ 测试集（Test）

• 完全隔离

• 通过测试集的评估，我们会得到一些最终的评估指标，例如：准确率、精确率、召回率、F1等。

📌 不准参与任何决策

推荐目录结构

1
dataset/
2
├── images/
3
│   ├── train/
4
│   ├── val/
5
│   └── test/
6
├── labels/
7
│   ├── train/
8
│   ├── val/
9
│   └── test/
10
└── data.yaml // 它是“数据集说明书”，告诉训练程序：数据在哪、有什么类别、一共多少类。

data.yaml 示例：

1
path: dataset
2
train: images/train
3
val: images/val
4
test: images/test
5

6
nc: 3
7
names: ['red', 'blue', 'green']

Step 5：环境配置#

1
conda create -n yolo python=3.10 -y
2
conda activate yolo

1
pip install ultralytics

1
yolo version

Step 6：选择模型#

模型大小选择建议

📌 第一次训练：直接用 yolo11s.pt

Step 7：开始训练（核心）#

命令行方式

1
yolo train \
2
  model=yolo11s.pt \
3
  data=dataset/data.yaml \
4
  epochs=100 \
5
  imgsz=640 \
6
  batch=16 \
7
  device=0

注意路径问题

关键参数解释

• epochs：不够就欠拟合，过多可能过拟合
• imgsz：部署尺寸一致！
• batch：越大越稳定（显存限制）
• device=0：GPU (提前安装好显卡驱动)

炼丹中…

训练完成🎉

📌 输出在：

1
runs/detect/train/

其中包含：

1
runs/detect/train/
2
├── weights/    ← 模型权重（最重要）
3
    ├── best.pt   ← 真正拿去部署的模型🌟
4
    └── last.pt   ← 最后一个 epoch 的模型
5
├── args.yaml               ← 本次训练的全部参数记录
6
├── results.png / csv       ← 训练过程指标
7
├── *curve.png              ← P/R/F1 曲线
8
├── confusion_matrix*.png   ← 混淆矩阵
9
├── train_batch*.jpg        ← 训练时可视化
10
├── val_batch*_labels.jpg   ← 验证集 GT
11
├── val_batch*_pred.jpg     ← 验证集预测结果
12
└── labels.jpg              ← 类别统计

Step 8：看训练结果#

你应该关注：

• loss（损失函数） 是否下降
• train / val 是否分叉（过拟合）
• PR 曲线
• 混淆矩阵

别只看 mAP，因为也会出现mAP 高但实际效果差，这样的话有可能数据有问题

Step 9：推理测试（真实感知）#

图片

1
yolo predict model=runs/detect/train/weights/best.pt source=test.jpg

效果展示：

/runs/detect/predict是 YOLO 推理的输出目录，里边有检测结果的图片 / 视频

视频 / 摄像头

1
yolo predict model=best.pt source=0

Python

1
from ultralytics import YOLO
2

3
model = YOLO("best.pt")
4
results = model("test.jpg", conf=0.25)

Step 10：模型导出#

​ 因为.pt 是 PyTorch 的“私有格式”，其中包含了PyTorch 计算图、Python 代码依赖、GPU / CUDA 绑定，导致它只能在Python、PyTorch的环境中运行，但我们的部署环境显然不止这么简单，这时候就需要一个并不关心各种依赖而是只关心“这个网络在做什么”的中转格式，ONNX自然就被引出了

​ 详细的可以看这篇文章 👉 ONNX 模型格式分析与使用

导出 ONNX

1
yolo export model=best.pt format=onnx imgsz=640

除了ONNX也有其他的可选格式，可以去了解这里不细说了就：

• engine（TensorRT）
• openvino
• ncnn

📌 导出尺寸必须和部署一致

先验证 ONNX 是否“正确”

1
yolo predict model=best.onnx source=test.jpg

👉 结果应当和 .pt 几乎一致

📌 如果这里就不一致：

• 导出有问题

• opset 不对

• 动态 shape 出错

Step 11：部署#

此时你需要：

• 自己写预处理
• 自己写后处理（NMS / decode）
• 控制输入尺寸、batch

The END#

第一次用 Ultralytics YOLO 跑通完整流程时，很多人都会有一种感觉：

“原来深度学习不是玄学，是工程。”

从数据采集和标注开始，到一行命令启动训练； 从 .pt 的模型效果，到 ONNX、TensorRT 的部署落地； 你会慢慢意识到—— 模型只是中间的一环，而不是终点。

YOLO 帮你把门槛降得足够低 🧱 但真正的提升，来自你一次次踩坑、复盘和优化的过程。

你会发现：

• 精度不行，往往不是网络不行，而是数据不行 📦

• 推理慢，通常不是模型太大，而是部署方式不对 ⚙️

• 能训练出来，和能稳定跑在设备上，是两回事 💡

当你开始关心：

• 输入尺寸该不该改？

• batch 能不能再大一点？

• ONNX 和 .pt 为什么对不齐？

恭喜你 🎉 你已经不再是“跑模型的人”，而是在做深度学习工程了。

Ultralytics YOLO 不是终点，而是一个非常好的起点 🌱 从这里出发，你可以继续拆模型、改结构、做加速、搞部署—— 一步步把“深度学习”变成可控、可复现、可落地的工程能力。

最后一句送给刚入门的你：

别怕模型看不懂， 真正的理解，永远来自自己跑通的那一遍。 😎🔥