一、Window电脑配置pytorch GPU训练环境步骤

1、安装anocanda和pycharm（或者vscode）

• 参考下面路径进行安装

https://zhuanlan.zhihu.com/p/663365752

• 或者CSDN搜索其他安装教程

2、查看电脑NVIDIA显卡配置

nvidia-smi 查看到电脑支持最高版本cuda是12.2，驱动版本是538.18

3、配置yolo11训练环境

3.1、conda create -n yolo11 python=3.9 -y

创建名为yolo11的新环境，并下载python3.9

3.2、conda activate yolo11

进入新环境

3.3、conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

注：本安装步骤耗时较长，耐心等待
安装pytorch（安装的cuda版本不能高于12.2，具体看自己电脑cuda支持的最高版本）

也可以到pytorch官网链接，找到适合自己电脑的版本

https://pytorch.org/get-started/locally/

注意如果出现未100%安装情况，反复执行：conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia 直到安装成功

3.4、查看GPU版本的pytorch是否安装成功

3.5、Github下载yolo11代码

打开官网，下载代码

git clone https://github.com/ultralytics/ultralytics

下面是我下载的代码，解压后，重命名了文件夹

3.6、安装yolo11所需的训练环境

pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple/

到此处，训练环境已经搭建好！！

二、标注数据

1、Lableme标注目标检测数据

1.1、下载lableme标注工具

https://github.com/labelmeai/labelme

1.2、准备标注图片

1.3、开始标注

打开图片文件夹

设置标注后的json文件输出路径


选择标注工具

标注

按以上标注，把所有的图片标注完成

2、Lableme标注实例分割数据

实例分割标注步骤和上述目标检测标注类似，不同点如下：

3、X-AnyLabeling标注旋转目标检测数据

3.1、下载X-AnyLabeling标注工具

下载地址：

https://github.com/CVHub520/X-AnyLabeling/releases/tag/v2.4.4

3.2、开始标注

打开需要标注的图片文件夹：

更改输出路径：


选择旋转框进行标注：

按以上标注，把所有的图片标注完成

三、标注图片用脚本转yolo格式并划分数据集

1、查看标注好的数据集结构

注：这里的数据集是lableme标注的目标检测数据集

2、运行a-jsons2yolo.py代码转yolo格式

3、运行a-split_train_test.py划分数据集

划分后的数据集就可以直接用于训练了
注：a-jsons2yolo.py只能对目标检测数据集进行yolo格式转换，如果要对实例分割和旋转目标检测数据集做yolo格式转换，要用a-jsons2yolo(segment).py文件

四、打开vscode进行训练

4.1、选择python解释器

4.2、配置yaml文件

4.3、更改配置文件

4.4、self_train.py训练

4.5、训练结果查看

文档中用到的标注工具和脚本已上传，需要的可自行下载！