在 Python>=3.8 环境中安装 ultralytics 包，包括所有依赖项，并确保 PyTorch>=1.8。

pip install ultralytics

有关其他安装方法，包括 Conda、Docker 以及通过 Git 从源代码构建，请查阅快速入门指南。

您可以直接通过命令行界面 (CLI) 使用 yolo 命令来运行 Ultralytics YOLO：

# 使用预训练的 YOLO 模型 (例如 YOLO26n) 对图像进行预测
yolo predict model=yolo26n.pt source='https://ultralytics.com/images/bus.jpg'

yolo 命令支持各种任务和模式，并接受额外的参数，如 imgsz=640。浏览 YOLO CLI 文档获取更多示例。

Ultralytics YOLO 也可以直接集成到您的 Python 项目中。它接受与 CLI 相同的配置参数：

from ultralytics import YOLO

# 加载一个预训练的 YOLO26n 模型
model = YOLO("yolo26n.pt")

# 在 COCO8 数据集上训练模型 100 个周期
train_results = model.train(
    data="coco8.yaml",  # 数据集配置文件路径
    epochs=100,  # 训练周期数
    imgsz=640,  # 训练图像尺寸
    device="cpu",  # 运行设备 (例如 'cpu', 0, [0,1,2,3])
)

# 评估模型在验证集上的性能
metrics = model.val()

# 对图像执行目标检测
results = model("path/to/image.jpg")  # 对图像进行预测
results[0].show()  # 显示结果

# 将模型导出为 ONNX 格式以进行部署
path = model.export(format="onnx")  # 返回导出模型的路径

在 YOLO Python 文档中发现更多示例。

浏览检测文档获取使用示例。这些模型在 COCO 数据集上训练，包含 80 个对象类别。

• mAP^val 值指的是在 COCO val2017 数据集上的单模型单尺度性能。详见 YOLO 性能指标。
  使用 yolo val detect data=coco.yaml device=0 复现结果。
• 速度 指标是在 Amazon EC2 P4d 实例上对 COCO val 图像进行平均测量的。CPU 速度使用 ONNX 导出进行测量。GPU 速度使用 TensorRT 导出进行测量。
  使用 yolo val detect data=coco.yaml batch=1 device=0|cpu 复现结果。

请参阅分割文档获取使用示例。这些模型在 COCO-Seg 数据集上训练，包含 80 个类别。

• mAP^val 值指的是在 COCO val2017 数据集上的单模型单尺度性能。详见 YOLO 性能指标。
  使用 yolo val segment data=coco.yaml device=0 复现结果。
• 速度 指标是在 Amazon EC2 P4d 实例上对 COCO val 图像进行平均测量的。CPU 速度使用 ONNX 导出进行测量。GPU 速度使用 TensorRT 导出进行测量。
  使用 yolo val segment data=coco.yaml batch=1 device=0|cpu 复现结果。

请查阅分类文档获取使用示例。这些模型在 ImageNet 数据集上训练，涵盖 1000 个类别。

• acc 值表示模型在 ImageNet 数据集验证集上的准确率。
  使用 yolo val classify data=path/to/ImageNet device=0 复现结果。
• 速度 指标是在 Amazon EC2 P4d 实例上对 ImageNet val 图像进行平均测量的。CPU 速度使用 ONNX 导出进行测量。GPU 速度使用 TensorRT 导出进行测量。
  使用 yolo val classify data=path/to/ImageNet batch=1 device=0|cpu 复现结果。

请参阅姿态估计文档获取使用示例。这些模型在 COCO-Pose 数据集上训练，专注于 'person' 类别。

• mAP^val 值指的是在 COCO Keypoints val2017 数据集上的单模型单尺度性能。详见 YOLO 性能指标。
  使用 yolo val pose data=coco-pose.yaml device=0 复现结果。
• 速度 指标是在 Amazon EC2 P4d 实例上对 COCO val 图像进行平均测量的。CPU 速度使用 ONNX 导出进行测量。GPU 速度使用 TensorRT 导出进行测量。
  使用 yolo val pose data=coco-pose.yaml batch=1 device=0|cpu 复现结果。

请查阅 OBB 文档获取使用示例。这些模型在 DOTAv1 数据集上训练，包含 15 个类别。

• mAP^test 值指的是在 DOTAv1 测试集上的单模型多尺度性能。
  通过 yolo val obb data=DOTAv1.yaml device=0 split=test 复现结果，并将合并后的结果提交到 DOTA 评估服务器。
• 速度 指标是在 Amazon EC2 P4d 实例上对 DOTAv1 val 图像进行平均测量的。CPU 速度使用 ONNX 导出进行测量。GPU 速度使用 TensorRT 导出进行测量。
  通过 yolo val obb data=DOTAv1.yaml batch=1 device=0|cpu 复现结果。