在众多计算机视觉应用中，Ultralytics YOLO11已经成为不可或缺的一部分。然而，训练、评估和部署这些复杂的模型带来了许多挑战。跟踪关键训练指标、比较模型变体、分析模型行为和检测问题需要大量的工具和实验管理。本指南将展示如何使用Weights & Biases与Ultralytics YOLO11集成，以增强实验跟踪、模型检查点和模型性能的可视化。
要安装所需的Ultralytics YOLO和Weights & Biases包，请运行以下命令：
pip install -U ultralytics wandb
有关安装过程的详细说明和最佳实践，请务必查看。如果在安装YOLO11所需的包时遇到任何困难，请参考以获取解决方案和提示。
安装完必要的包之后，下一步是设置Weights & Biases中间件。这包括创建一个Weights & Biases文件并获取必要的API密钥，以便在开发环境和Weights & Biases平台之间建立安全的连接。
开始在工作区设置Weights & Biases环境。可以通过运行以下命令并按照所需的指导来完成此操作：
import wandb; wandb.login(key="<API_KEY>")
转到Weights & Biases的授权页面创建API密钥并检索它。使用此密钥对环境进行身份验证，以便与W&B进行通信。
在深入了解使用Weights & Biases进行YOLO11模型训练的使用说明之前，请务必查看Ultralytics提供的。这将帮助为项目需求选择最合适的模型。
from ultralytics import YOLO; model = YOLO("yolo11n.pt"); model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo11n")
上述代码将使用Weights & Biases进行YOLO11模型的训练。
Weights & Biases提供了一些参数，以便在训练过程中进行配置：
如果想启用或禁用Weights & Biases日志记录，可以使用以下命令：
# 启用Weights & Biases日志记录 wandb enabled # 禁用Weights & Biases日志记录 wandb disabled
运行上述使用代码片段后，可以预期以下主要输出：
运行使用代码片段后，可以通过输出中提供的链接访问Weights & Biases仪表板。此仪表板提供了模型训练过程的全面视图，使用YOLO11。
Weights & Biases仪表板的主要特点包括：
本指南帮助探索了Ultralytics YOLO与Weights & Biases的集成。它展示了这种集成能够高效地跟踪和可视化模型训练和预测结果。有关使用的更多详细信息，请访问。
还请务必查看，了解更多关于各种集成操作的信息。
如何将Weights & Biases与Ultralytics YOLO11集成？
要将Weights & Biases与Ultralytics YOLO11集成，请按照以下步骤操作：
pip install -U ultralytics wandbimport wandb; wandb.login(key="<API_KEY>")from ultralytics import YOLO; model = YOLO("yolo11n.pt"); model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo11n")这将自动将指标、超参数和模型工件记录到W&B项目中。
Weights & Biases与YOLO11集成的主要特点是什么？
主要特点包括：
这些特点有助于跟踪实验、优化模型，并在YOLO11项目上更有效地协作。
如何查看YOLO11训练的Weights & Biases仪表板？
在运行带有W&B集成的训练脚本后：
仪表板提供了对模型训练过程的洞察，使能够有效地分析和改进YOLO11模型。
可以为YOLO11训练禁用Weights & Biases日志记录吗？
是的，可以使用以下命令禁用W&B日志记录：
wandb disabled
要重新启用日志记录，请使用：
wandb enabled
这使能够在不修改训练脚本的情况下控制何时使用W&B日志记录。
Weights & Biases如何帮助优化YOLO11模型？
Weights & Biases通过以下方式帮助优化YOLO11模型：