Ultralytics YOLO11是实时目标检测和图像分割领域的最新突破。它基于深度学习和计算机视觉的最新进展构建，提供了在速度和准确性方面的卓越性能。YOLO11的流线型设计使其适用于各种应用场景，并且可以轻松适应不同的硬件平台，从边缘设备到云API。
探索Ultralytics文档，这是一个全面的资源，旨在帮助理解和利用YOLO11的特性和能力。无论是机器学习领域的资深实践者还是新手，这个中心都旨在最大化YOLO在项目中的潜力。
如何开始
要开始使用YOLO11，可以使用pip安装Ultralytics包，并在几分钟内开始训练YOLO模型。以下是基本的安装命令：
pip install ultralytics
为了获得详细的逐步指南，请访问。这个资源将为提供安装、初始设置和运行第一个模型的指导。
训练模型
在自己的自定义数据集上训练一个新的YOLO模型，或者加载并训练一个预训练的模型。以下是目标检测任务的训练示例代码：
from ultralytics import YOLO
# 加载一个预训练的YOLO模型（可以选择n, s, m, l, 或 x版本）
model = YOLO(
"yolo11n.pt"
)
# 在自定义数据集上开始训练
model.train(
data="path/to/dataset.yaml",
epochs=100,
imgsz=640
)
要查看详细的说明，请参阅，其中包含示例和改进训练过程的建议。
探索任务
发现YOLO任务，如检测、分割、分类、姿态估计、OBB和跟踪。Ultralytics的最新YOLO11模型及其能力等待探索。