模型訓(xùn)練與導(dǎo)出是 YOLO11 工程中承上啟下的關(guān)鍵環(huán)節(jié)訓(xùn)練決定模型精度的上限導(dǎo)出決定模型能否在你的 C# 上位機(jī)中跑起來。Python 側(cè)訓(xùn)練與導(dǎo)出的完整鏈路訓(xùn)練使用ultralytics包加載預(yù)訓(xùn)練權(quán)重如yolo11n.pt指向你的data.yaml數(shù)據(jù)集配置指定epochs、batch、imgsz等參數(shù)即可啟動(dòng)。fromultralyticsimportYOLO# 加載預(yù)訓(xùn)練模型推薦比從頭訓(xùn)練收斂快得多modelYOLO(yolo11n.pt)# 訓(xùn)練resultsmodel.train(datadatasets/my_dataset/data.yaml,epochs100,batch16,imgsz640,device0# GPU編號(hào)沒GPU寫 cpu)訓(xùn)練完成后最佳權(quán)重保存在runs/detect/train/weights/best.pt最后一次的權(quán)重是last.pt。如果訓(xùn)練意外中斷用resume參數(shù)可以從last.pt繼續(xù)不用從頭跑。導(dǎo)出為 ONNX這是 C# 部署的必經(jīng)步驟.pt文件 C# 無法直接加載。fromultralyticsimportYOLO modelYOLO(runs/detect/train/weights/best.pt)model.export(formatonnx,imgsz640)導(dǎo)出后生成best.onnx。ONNX 是框架無關(guān)的格式被 ONNX Runtime 廣泛支持適合跨平臺(tái)部署。C# 側(cè)ONNX 模型加載與推理推薦使用YoloSharpOnnxNuGet 包名YoloSharpOnnx它基于 OpenCV 和 ONNX Runtime支持 YOLO11 的全任務(wù)類型檢測、分割、姿態(tài)、OBB并且內(nèi)存復(fù)用和批量推理做得很好。安裝dotnetaddpackage YoloSharpOnnx dotnetaddpackage OpenCvSharp4.runtime.win dotnetaddpackage Microsoft.ML.OnnxRuntimeCPU 推理usingYoloSharp;usingYoloSharpyolonewYoloSharp(newExecutionProviderCPU(best.onnx));usingMatimageCv2.ImRead(test.jpg);ListDetectionResultresultsyolo.RunDetect(image);yolo.DrawDetections(image,results);Cv2.ImWrite(result.jpg,image);Console.WriteLine(results.Summary());GPU 推理CUDA把ExecutionProviderCPU換成ExecutionProviderCUDA并安裝Microsoft.ML.OnnxRuntime.Gpu.Windows。有 NVIDIA 顯卡時(shí)推理速度通常有數(shù)倍提升。訓(xùn)練中的關(guān)鍵參數(shù)工業(yè)場景參考一份 PLOS ONE 論文的 YOLO11s 訓(xùn)練配置展示了工業(yè)場景的典型參數(shù)參數(shù)值說明epochs200訓(xùn)練輪數(shù)imgsz1216大尺寸輸入適合小目標(biāo)batch4小批次適應(yīng)大圖patience1010輪無提升則早停mosaic1.0馬賽克增強(qiáng)提升泛化fliplr0.5水平翻轉(zhuǎn)增強(qiáng)close_mosaic10最后10輪關(guān)閉馬賽克穩(wěn)定收斂顯存不夠時(shí)優(yōu)先減小batch或imgsz而不是砍epochs。訓(xùn)練產(chǎn)出的文件訓(xùn)練完成后runs/detect/train/目錄下會(huì)有weights/best.pt驗(yàn)證集上表現(xiàn)最好的權(quán)重部署用這個(gè)weights/last.pt最后一輪的權(quán)重用于斷點(diǎn)續(xù)訓(xùn)results.csv每輪的 loss 和 mAP 記錄confusion_matrix.png混淆矩陣看哪些類別容易混淆一句話總結(jié)訓(xùn)練的核心是用預(yù)訓(xùn)練權(quán)重微調(diào) 合理的增強(qiáng)參數(shù)導(dǎo)出的核心是轉(zhuǎn) ONNX讓 C# 能加載。C# 側(cè)用 YoloSharpOnnx 加載 ONNX 推理CPU/GPU 切換只需換一個(gè) ExecutionProvider。訓(xùn)練在 Python推理在 C#ONNX 是兩者之間的橋梁。