YOLO 安装与部署

二、安装与部署

环境要求

安装步骤

1. 创建虚拟环境并激活。
2. 安装深度学习框架的对应构建版本（以官方安装矩阵为准）。
3. 安装 YOLO 的实现库，主流的做法是安装提供训练与导出全套工具链的库。
4. 验证环境：加载一个预训练权重，对一张样例图做一次推理，确认能输出框。

python3 -m venv ~/venv-yolo
source ~/venv-yolo/bin/activate

pip install --upgrade pip
pip install torch torchvision          # 具体索引与 CUDA 版本以官方说明为准
pip install ultralytics

yolo version
yolo predict model=yolov8n.pt source=test.jpg

模型权重文件名随版本变化（不同系列有不同的后缀），以官方模型库的说明为准。权重文件在首次使用时通常会自动下载。

数据集准备

datasets/defect/
  images/
    train/  img_0001.jpg  ...
    val/    img_0101.jpg  ...
  labels/
    train/  img_0001.txt ...
    val/    img_0101.txt ...
  data.yaml

path: datasets/defect
train: images/train
val: images/val

names:
  0: scratch
  1: dent
  2: stain

每张图对应一个同名的 txt，每行是一个目标，格式为「类别序号 中心x 中心y 宽 高」，坐标与尺寸都按图像宽高归一化到 0 到 1 之间。这个格式写错是训练失败最常见的原因：坐标没归一化、类别序号从 1 开始、行列顺序搞反，都会让损失从头到尾降不下去。

常见报错排查