在Python≥3.8环境且安装PyTorch≥1.8的前提下，通过pip安装ultralytics包及其所有依赖项。

命令行界面（CLI）

YOLO 可直接通过命令行界面（CLI）使用 yolo 命令进行操作：

yolo predict model=yolo11n.pt source='https://ultralytics.com/images/bus.jpg'

yolo 可用于多种任务和模式，并接受额外参数，例如 imgsz=640。具体示例请参阅 YOLO CLI 文档。

Python

YOLO 也可直接在 Python 环境中使用，并接受与上述 CLI 示例相同的参数：

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")

# Train the model
train_results = model.train(
    data="coco8.yaml",  # path to dataset YAML
    epochs=100,  # number of training epochs
    imgsz=640,  # training image size
    device="cpu",  # device to run on, i.e. device=0 or device=0,1,2,3 or device=cpu
)

# Evaluate model performance on the validation set
metrics = model.val()

# Perform object detection on an image
results = model("path/to/image.jpg")
results[0].show()

# Export the model to ONNX format
path = model.export(format="onnx")  # return path to exported model

更多示例请参阅 YOLO Python 文档。

这些模型在 COCO 数据集上训练，包含 80 个预训练类别。使用示例请参阅检测文档。

• mAP^验证集 值基于 COCO val2017 数据集的单模型单尺度评估。
  通过 yolo val detect data=coco.yaml device=0 复现
• 速度 使用 Amazon EC2 P4d 实例在 COCO 验证集图像上的平均结果。
  通过 yolo val detect data=coco.yaml batch=1 device=0|cpu 复现

这些模型在 COCO-Seg 数据集上训练，包含 80 个预训练类别。使用示例请参阅分割文档。

• mAP^验证集 值基于 COCO val2017 数据集的单模型单尺度评估。
  通过 yolo val segment data=coco-seg.yaml device=0 复现
• 速度 使用 Amazon EC2 P4d 实例在 COCO 验证集图像上的平均结果。
  通过 yolo val segment data=coco-seg.yaml batch=1 device=0|cpu 复现

这些模型在 ImageNet 数据集上训练，包含 1000 个预训练类别。使用示例请参阅分类文档。

• 准确率 值为模型在 ImageNet 数据集验证集上的准确率。
  通过 yolo val classify data=path/to/ImageNet device=0 复现
• 速度 使用 Amazon EC2 P4d 实例在 ImageNet 验证集图像上的平均结果。
  通过 yolo val classify data=path/to/ImageNet batch=1 device=0|cpu 复现

这些模型在 COCO-Pose 数据集上训练，包含 1 个预训练类别：人物。使用示例请参阅姿态文档。

• mAP^验证集 值基于 COCO 关键点 val2017 数据集的单模型单尺度评估。
  通过 yolo val pose data=coco-pose.yaml device=0 复现
• 速度 使用 Amazon EC2 P4d 实例在 COCO 验证集图像上的平均结果。
  通过 yolo val pose data=coco-pose.yaml batch=1 device=0|cpu 复现

这些模型在 DOTAv1 数据集上训练，包含 15 个预训练类别。使用示例请参阅OBB 文档。

• mAP^测试集 值基于 DOTAv1 数据集的单模型多尺度评估。
  通过 yolo val obb data=DOTAv1.yaml device=0 split=test 复现，并将合并结果提交至 DOTA 评估。
• 速度 使用 Amazon EC2 P4d 实例在 DOTAv1 验证集图像上的平均结果。
  通过 yolo val obb data=DOTAv1.yaml batch=1 device=0|cpu 复现