基于AutoDL服务器从零搭建YOLOv11目标检测算法训练推理环境(详细教程)

2026-01-29 05:52:09 栏目：最新资讯 4 阅读

1、启动容器

2、准备数据

3、准备依赖环境

4、开始训练

5、开始预测

6、总结

基于AutoDL服务器从零搭建YOLOv11目标检测算法训练推理环境(详细教程)

★
工欲善其事，必先利其器。

选择一款简单易用的服务器环境，是深度学习算法开发的基础，也是重中之重。服务器环境选择恰当，会起到事半功倍的作用，会避免许多因环境不兼容引发的问题！

因此，此处不得不提到AutoDL 服务器。它优势显著，提供多种 NVIDIA 系列 GPU 型号卡，镜像丰富且更新快，环境配置便捷，网速快，服务稳定。最重要的是性价比极高，是我们研究生搞学术研究的不二之选。
”

1、启动容器

进入官网：https://www.autodl.com/home，选择算力市场按钮

按需选择一款资源满足需求的机器设备，此处选择的设备为RTX 2080 Ti x2 / 22 GB

选择所需要的基础镜像环境，此处选择的环境为pytorch2.0+python3.8+cuda11.8

耐心等待片刻，等待环境创建完成

如下所示，即基础环境启动成功

2、准备数据

选用公共数据集演示，如下流程

进入容器，选择数据集，复制到开发目录下

执行指令如下

root@autodl-container-6d25459816-d8aa3cc4:~/autodl-tmp# ls
root@autodl-container-6d25459816-d8aa3cc4:~/autodl-tmp# ls /root/autodl-pub/VOCdevkit/VOC2007.tar.gz
/root/autodl-pub/VOCdevkit/VOC2007.tar.gz
root@autodl-container-6d25459816-d8aa3cc4:~/autodl-tmp# cp -r /root/autodl-pub/VOCdevkit/VOC2007.tar.gz ./
root@autodl-container-6d25459816-d8aa3cc4:~/autodl-tmp# du -h ./VOC2007.tar.gz 
837M    ./VOC2007.tar.gz
root@autodl-container-6d25459816-d8aa3cc4:~/autodl-tmp# pwd
/root/autodl-tmp
root@autodl-container-6d25459816-d8aa3cc4:~/autodl-tmp# ls
VOC2007.tar.gz
root@autodl-container-6d25459816-d8aa3cc4:~/autodl-tmp#

解压数据集，得到数据集目录/root/autodl-tmp/VOC2007,分布如下

python编码voc2yolo.py脚本，实现voc格式转换yolo标签格式

import os
import xml.etree.ElementTree as ET
from tqdm import tqdm
import shutil

def voc2yolo(voc_root, yolo_root, classes, use_symlink=True):
    """
    将VOC格式数据集转换为YOLO格式，支持训练集、验证集和测试集
    :param voc_root: VOC数据集根目录
    :param yolo_root: 转换后YOLO数据集保存目录
    :param classes: 类别列表
    :param use_symlink: 是否使用软链接而非复制图像，节省空间
    """
    # 创建YOLO数据集目录结构，增加test集支持
    for phase in ["train", "val", "test"]:
        os.makedirs(os.path.join(yolo_root, "images", phase), exist_ok=True)
        os.makedirs(os.path.join(yolo_root, "labels", phase), exist_ok=True)
    
    # 处理训练集、验证集和测试集
    for phase in ["train", "val", "test"]:
        # 读取图像列表文件
        img_set_path = os.path.join(voc_root, "ImageSets", "Main", f"{phase}.txt")
        
        # 检查测试集文件是否存在，某些VOC版本可能命名不同
        if not os.path.exists(img_set_path) and phase == "test":
            # 尝试常见的测试集文件名变体
            for test_variant in ["test.txt", "testset.txt"]:
                img_set_path = os.path.join(voc_root, "ImageSets", "Main", test_variant)
                if os.path.exists(img_set_path):
                    break
            else:
                print(f"警告: 未找到测试集文件，跳过测试集处理")
                continue
        
        with open(img_set_path, "r") as f:
            # 过滤空行和注释行
            img_names = [line.strip() for line in f.readlines() if line.strip() and not line.startswith('#')]
        
        # 处理每张图像
        for img_name in tqdm(img_names, desc=f"Processing {phase} set"):
            # 处理图像文件
            src_img_path = os.path.join(voc_root, "JPEGImages", f"{img_name}.jpg")
          &n

本文地址：https://www.yitenyun.com/1394.html

上一篇：如何平衡服务器内存使用率和系统稳定性？

下一篇：基于SpringAI的在线考试系统- 阅卷质检流程详细···