UltralyticsYOLO11 是一款基于深度学习和计算机视觉的最新实时目标检测和图像分割模型。它在速度和准确性方面提供了无与伦比的性能，并且其流线型设计使其适合各种应用场景，并且可以轻松适应不同的硬件平台，从边缘设备到云API。
通过 Ultralytics 文档，可以全面了解并利用YOLO11的特性和功能。无论是资深的机器学习实践者还是该领域的新手，这个资源中心都旨在帮助在项目中最大化 YOLO 的潜力。
YOLO11的安装和设置非常快速和直接。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
对于包括安装步骤、初始设置和运行第一个模型的详细分步指南，请参阅。
要在自己的数据集上训练自定义 YOLO 模型，需要遵循一些详细的步骤，包括准备带有注释的数据集、在 YAML 文件中设置训练参数，以及使用Ultralytics提供的命令行界面来启动训练过程。例如，对于目标检测任务，可以使用以下代码示例：
from ultralytics import YOLO
# 加载预训练的 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)
提供了优化训练过程的示例和提示。
UltralyticsYOLO 提供了两种许可选项：AGPL-3.0 许可和企业许可。AGPL-3.0 许可是一个 OSI 批准的开源许可，非常适合学生和爱好者，促进开放的协作和知识共享。企业许可允许绕过 AGPL-3.0 的开源要求，将 Ultralytics 的软件和 AI 模型无缝集成到商业产品或服务中。