一、环境的搭建首先我们单独创建一个虚拟环境给YOLOv10我们单独建立一个文件夹放我们的虚拟环境然后我们打开winR打开cmd命令提示符然后创建虚拟环境py -3.10 -m venv yolov103.10可以换成自己需要的版本yolov10就是自己创建的虚拟环境的名称可以自己修改。然后激活环境yolov10\Scripts\activate看到前面是自己虚拟环境的名称就说明激活好了这个就相当于一个独立的3.10的python接下来往里面pip就可以了二、YOLOv10项目代码获取前往github下载YOLOv10的项目文件github网址THU-MIG/yolov10: YOLOv10: Real-Time End-to-End Object Detection [NeurIPS 2024]三、安装必要的第三方库下载以后里面的requirements.txt就是我们必须要安装的库可以看到这里安装的不是GPU版本的而是CPU版本的所以我们直接将他注释掉单独安装#torch2.0.1 #torchvision0.15.2 onnx1.14.0 onnxruntime1.15.1 pycocotools2.0.7 PyYAML6.0.1 scipy1.13.0 onnxslim0.1.31 onnxruntime-gpu1.18.0 gradio4.31.5 opencv-python4.9.0.80 psutil5.9.8 py-cpuinfo9.0.0 huggingface-hub0.23.2 safetensors0.4.3pip install torch2.0.1 torchvision0.15.2 --index-url https://download.pytorch.org/whl/cu118下载好了以后再下载注释过后的requirements.txtpip install -r D:\py项目\YOLOv10\yolov10-main\requirements.txt然后额外安装一个pip install ultralytics然后我们的YOLOv10就算安装成功了。四、YOLOv10.yaml文件详细配置YOLO的数据集类似如下其中images文件夹存放所有训练、验证、测试用的图片label文件夹存放与图片一一对应的 YOLO 格式标注.txt文件train.txt / val.txt / test.txt记录对应集合中所有图片的路径列表然后我们需要创建一个.yaml文件作为模型配置文件让模型进行读取# 数据集根目录Windows 下推荐用 / 正斜杠避免转义问题 path: D:/py项目/YOLOv10/dataset_part # 训练集、验证集、测试集图片路径相对于 path train: D:/py项目/YOLOv10/dataset_part/images/train val: D:/py项目/YOLOv10/dataset_part/images/val test: D:/py项目/YOLOv10/dataset_part/images/test # 类别名称映射和标注文件中的 id 一一对应 names: 0: 合格 1: 外密封圈破损 2: 密封圈固定板破损 # 类别总数和 names 里的数量必须一致 nc: 3五模型的训练然后就可以训练模型了from ultralytics import YOLO if __name__ __main__: # 1. 加载 YOLOv10n 预训练权重必须是 .pt 文件 # 注意权重文件放在 yolov10-main 目录下 model YOLO(rD:\py项目\YOLOv10\yolov10n.pt) # 2. 开始训练所有路径和参数已修正 model.train( datarD:\py项目\YOLOv10\data.yaml, # 你的数据集配置文件 epochs50, # 训练轮数建议至少 50 轮 batch8, # 批次大小根据你的显卡显存调整 lr00.001, # 初始学习率 )
YOLOv10教学——从头教大家利用yolov10训练自己的数据集从环境搭建、yolov10.yaml配置文件详细解读与说明、到模型训练参数详细解析
发布时间：2026/5/20 22:50:13
一、环境的搭建首先我们单独创建一个虚拟环境给YOLOv10我们单独建立一个文件夹放我们的虚拟环境然后我们打开winR打开cmd命令提示符然后创建虚拟环境py -3.10 -m venv yolov103.10可以换成自己需要的版本yolov10就是自己创建的虚拟环境的名称可以自己修改。然后激活环境yolov10\Scripts\activate看到前面是自己虚拟环境的名称就说明激活好了这个就相当于一个独立的3.10的python接下来往里面pip就可以了二、YOLOv10项目代码获取前往github下载YOLOv10的项目文件github网址THU-MIG/yolov10: YOLOv10: Real-Time End-to-End Object Detection [NeurIPS 2024]三、安装必要的第三方库下载以后里面的requirements.txt就是我们必须要安装的库可以看到这里安装的不是GPU版本的而是CPU版本的所以我们直接将他注释掉单独安装#torch2.0.1 #torchvision0.15.2 onnx1.14.0 onnxruntime1.15.1 pycocotools2.0.7 PyYAML6.0.1 scipy1.13.0 onnxslim0.1.31 onnxruntime-gpu1.18.0 gradio4.31.5 opencv-python4.9.0.80 psutil5.9.8 py-cpuinfo9.0.0 huggingface-hub0.23.2 safetensors0.4.3pip install torch2.0.1 torchvision0.15.2 --index-url https://download.pytorch.org/whl/cu118下载好了以后再下载注释过后的requirements.txtpip install -r D:\py项目\YOLOv10\yolov10-main\requirements.txt然后额外安装一个pip install ultralytics然后我们的YOLOv10就算安装成功了。四、YOLOv10.yaml文件详细配置YOLO的数据集类似如下其中images文件夹存放所有训练、验证、测试用的图片label文件夹存放与图片一一对应的 YOLO 格式标注.txt文件train.txt / val.txt / test.txt记录对应集合中所有图片的路径列表然后我们需要创建一个.yaml文件作为模型配置文件让模型进行读取# 数据集根目录Windows 下推荐用 / 正斜杠避免转义问题 path: D:/py项目/YOLOv10/dataset_part # 训练集、验证集、测试集图片路径相对于 path train: D:/py项目/YOLOv10/dataset_part/images/train val: D:/py项目/YOLOv10/dataset_part/images/val test: D:/py项目/YOLOv10/dataset_part/images/test # 类别名称映射和标注文件中的 id 一一对应 names: 0: 合格 1: 外密封圈破损 2: 密封圈固定板破损 # 类别总数和 names 里的数量必须一致 nc: 3五模型的训练然后就可以训练模型了from ultralytics import YOLO if __name__ __main__: # 1. 加载 YOLOv10n 预训练权重必须是 .pt 文件 # 注意权重文件放在 yolov10-main 目录下 model YOLO(rD:\py项目\YOLOv10\yolov10n.pt) # 2. 开始训练所有路径和参数已修正 model.train( datarD:\py项目\YOLOv10\data.yaml, # 你的数据集配置文件 epochs50, # 训练轮数建议至少 50 轮 batch8, # 批次大小根据你的显卡显存调整 lr00.001, # 初始学习率 )
