YOLOv12环境配置，手把手教你使用YOLOv12训练自己的数据集和推理(附YOLOv12网络结构图)，全文最详细教程

2025-04-26 23:00:51 3 阅读

文章目录

前言
一、YOLOv12代码下载地址
- 1.YOLOv12模型结构图
二、YOLO环境配置教程
- 1.创建虚拟环境
- 2.激活虚拟环境
- 3.查询自己电脑可支持最高cuda版本是多少（无显卡的同学可以跳过这个步骤）
- 4.pytorch安装
- 5.验证 PyTorch GPU 是否可用（没有显卡的同学不用看这个步骤）
- 6.安装其他依赖
- 7.补充（flash_attn环境）
三、数据集准备
- 1.数据集标注软件
- 2.voc数据集格式转换
- 3.数据集划分
- 4.修改yolo的训练配置文件
四、YOLOv12推理
五、YOLOv12训练
六、解决训练过程中断怎么继续上次训练
总结

前言

YOLO 系统尊嘟太卷了吧，YOLOv11 还没玩明白，YOLOv12 就重磅来袭，YOLOv12 是由纽约州立大学联合中科院在 2025年2月19 日发布，从 YOLOv12 论文题目我们大概就知道做了那些更新，下图是YOLOv12 在 COCO 数据集上的性能表现

YOLOv12 创新点：

引入区域注意力机制（area-attention）：通过引入十字形窗口自我注意机制，沿水平和垂直条纹计算注意力机制，纵横交错的注意机制。如下图所示，区域注意力采用最多简单的等分方法，将特征地图垂直或水平划分为 L 个区域。（默认值为4）。这样可以避免复杂操作时同时保证接收野大，效率高。
作者设计了残差高效层聚合网络 (R-ELAN)：R-ELAN结构类似CSPNet，结构如下图的（d）所示，可以看到该结构中间层是A2（区域注意力机制），更多具体信息可以看 YOLOv12 的中的 A2C2f 模块代码

理论详解可以参考链接：论文地址

一、YOLOv12代码下载地址

官网的源码下载地址：官网源码

如果官网打不开的话，我已经下载好 YOLOv12 源码+预训练模型+训练脚本+推理脚本+训练测试数据集+数据集处理脚本，从公众号发送关键字：YOLOv12源码，即可获取完整源码

1.YOLOv12模型结构图

根据 yolov12.yaml 画出 yolo 整体结构图，对比 YOLOv11 网络结构，YOLOv12 网络结构做了优化，减少总层数，YOLOv12 模型结构如下图所示：

二、YOLO环境配置教程

YOLOv12/YOLOv11/YOLOv10/YOLOv9/YOLOv8/YOLOv7/YOLOv5 环境都是通用的，只需要安装一次就行

我用之前的环境运行，报错：mportError: cannot import name ‘scaled_dot_product_attention’ from ‘torch.nn.functional’ ，我猜应该是 pytorch 版本太低了，没有这个模块，那我只能在创建一个虚拟环境用于YOLOv12，那么接下来重新创建新的虚拟环境

1.创建虚拟环境

python 版本为 3.9、 3.10、3.11 都行，我选择3.11版本的

终端输入命令创建，（-n 后面接你要创建虚拟环境的名称，这个可以自己起一个名称，不一定要跟我一样）：

conda create -n yolov12 python=3.11

输入 y 回车，等待下载即可

2.激活虚拟环境

激活虚拟环境语法是 conda activate myenv，myenv是自己的虚拟环境名称，命令如下：

conda activate yolov12

激活成功括号变成你刚刚创建虚拟环境名字

3.查询自己电脑可支持最高cuda版本是多少（无显卡的同学可以跳过这个步骤）

那怎么知道电脑有没有显卡，在开始菜单搜索设备管理器打开

有显卡的同学还需要进行查询自己电脑支持最高 cuda 版本是多少，在终端输入命令 nvidia-smi 查看

可以看到我电脑支持最高 cuda 版本是 12.5，所以可以安装向下版本的 cuda，那么知道这个有什么用，当然有用，可以看到 pytorch 官网安装命令都带有 cuda 版本号
假设你电脑都不支持这么高的cuda 版本，你安装了 pytorch 那么你就用不了 GPU 了。如果你电脑支持cuda太低，你可以更新英伟达驱动，更新英伟达驱动直达地址：英伟达驱动，根据自己电脑选择下载，安装超级简单，直接下一步下一步就行，安装完成之后重启电脑，在终端输入 nvidia-smi 命令，来查看可支持的最高 cuda 版本

4.pytorch安装

看了一眼官网的配置文件，官网安装pytorch是2.2.2的

电脑有英伟达显卡就安装带 cuda 的 pytorch，电脑没有显卡则安装 cpu 的 pytorch，去 pytorch 官网找到合适版本复制命令安装就行 pytorch官网直达地址是：pytorch官网，复制命令时候 -c 后面不用复制

复制命令到终端，出现下图这样，或者安装不了的，不急，我们换一种方式安装，就是通过离线下载安装库进行安装，我换源还是安装不了，那么我们就通过另外一种方式安装，就是下载 whl 安装包，这种成功率达到 99% 。

把这个下图这几个版本记住，之后离线下载对应版本就行

离线安装包下载地址：pytorch离线安装包下载地址

打开链接，找到版本下载即可，说一下文件名的意思，

cu118：是 cuda 版本是 11.8，cu102 就是 cuda 版本是 10.2 的，依次类推
cp311：是 Python 的版本是3.11，cp39就是Python版本是3.9，依次类推
win：是 Windows 操作系统的意思，这个大家应该看得懂的

因为前面我按照 python 版本为 3.11 的，那么就选择 cp311 的，系统选择 win，这个版本号一定要对上 python 的版本号哦，之后点击下载就行，大家根据自己需求选择安装即可

如果没有显卡就选择 cpu 的

除了下载 pytorch，还需要下载对应版本的 torchvision 和 torchaudio（前面叫你记住版本号了哦）
在下载对应版本 torchvision，我的是 torchvision==0.17.2

在下载对应版本的 torchaudio，我的应该是 torchaudio==2.2.2

下载完成，在终端进入文件所在的位置，我的在 E:-浏览器下载的文件，先进入E盘，再 cd 切换路径，之后 pip install 文件名安装即可，（小技巧：打文件名时候可以用 tab 键补全，关注我不仅学到一个实用的小技巧哦）
记得激活虚拟环境在安装

把刚刚下载三个文件按照顺序安装即可，顺序是：首先是 torch，其次是 torchvision，最后是 torchaudio

5.验证 PyTorch GPU 是否可用（没有显卡的同学不用看这个步骤）

安装完成后，测试 GPU 是否可用，如果输出为 True 则表示 GPU 可以使用，要是输出 False 代表不可以使用 GPU 加速，输出 False 也是可以使用的，一般 CPU 训练会很慢，慢到你怀疑人生那种，不过用来推理还是可以的。要是没有显卡租一个服务器训练模型就行，如果这个反响比较大，我也会出一期在服务器怎么训练的教程。

在终端输入 python

复制下面命令到终端即可

import torch
print(torch.__version__)
print(torch.cuda.is_available())
print(torch.cuda.device_count())

看到这里 pytorch 安装完成

6.安装其他依赖

安装 requirements.txt 文件的环境，可以看到 YOLOv12 官网给出了很多库版本，其实有些我们用不到，我拿 YOLOv8 的 requirements.txt 来安装即可，到时候缺什么我们在单独安装，不仅减少电脑内存
下图是 YOLOv12 官网的 requirements.txt 文件，把里面内容删了，复制我给的库到 requirements.txt 文件里面

# Ultralytics requirements
# Example: pip install -r requirements.txt

# Base ----------------------------------------
matplotlib>=3.3.0
numpy==1.24.4 # pinned by Snyk to avoid a vulnerability
opencv-python>=4.6.0
pillow>=7.1.2
pyyaml>=5.3.1
requests>=2.23.0
scipy>=1.4.1
tqdm>=4.64.0

# Logging -------------------------------------
# tensorboard>=2.13.0
# dvclive>=2.12.0
# clearml
# comet

# Plotting ------------------------------------
pandas>=1.1.4
seaborn>=0.11.0

# Export --------------------------------------
# coremltools>=7.0  # CoreML export
# onnx>=1.12.0  # ONNX export
# onnxsim>=0.4.1  # ONNX simplifier
# nvidia-pyindex  # TensorRT export
# nvidia-tensorrt  # TensorRT export
# scikit-learn==0.19.2  # CoreML quantization
# tensorflow>=2.4.1  # TF exports (-cpu, -aarch64, -macos)
# tflite-support
# tensorflowjs>=3.9.0  # TF.js export
# openvino-dev>=2023.0  # OpenVINO export

# Extras --------------------------------------
psutil  # system utilization
py-cpuinfo  # display CPU info
thop>=0.1.1  # FLOPs computation
# ipython  # interactive notebook
# albumentations>=1.0.3  # training augmentations
# pycocotools>=2.0.6  # COCO mAP
# roboflow

复制完如下图所示：

接下来正常安装就行，这个安装步骤我之前视频讲过，大家有兴趣可以看我之前的安装视频，在自己的虚拟环境里面安装，安装命令如下：

pip install -r requirements.txt

安装完成我们测试推理，运行推理文件报错，人家提示你没有安装这个库，之后缺什么就安装什么库

安装命令如下：

pip install huggingface-hub==0.23.2

最后完美推理成功

7.补充（flash_attn环境）

从官网的环境配置文件看出还给出了 flash_attn 库，从库的名字看出是在linux 下安装的，那么在 windows 系统当然安装不了 linux 版本的库，如需在 windows 安装 flash_attn 库，则需要找 windows 版本的 flash_attn 库。网上应该有教程在 windows 版本安装 flash_attn 库（需要安装自行网上搜索找找看，后续有这个安装需求我也更新安装步骤出来），我就没有安装照样是可以训练和推理的，下文继续详细讲一下。

从官网代码可以看出，AAttn 类中的 forward 方法中人家已经写好了，安装有 flash_attn 的话，则使用 flash_attn_func 函数计算，未安装或未启用flash_attn，则使用标准的缩放点积注意力(sdpa)函数来计算；最后一种情况是在 cpu 训练，则是执行最后一段代码。也就说有没有安装 flash_attn库，照样可以训练，只是注意力计算方式有所区别，应该不会对结果产生很大影响吧（大家具体实验试试）。

如果安装有 flash_attn ，不想用 flash_attn_func 计算，可以通过 USE_FLASH_ATTN = True 参数设置，不需要设置 False 即可

三、数据集准备

1.数据集标注软件

数据集使用标注软件标注好，我这里推荐两个标注软件，一个是 labelimg，另外一个是 labelme，可以在python环境，使用 pip install labelimg 或者 pip install labelme 进行安装，看你选择哪个标注工具标注了，我使用 labelimg 标注工具

安装完成在终端输入命令启动标注软件

下面是软件界面

设置自动保存标注生成的标注文件

2.voc数据集格式转换

标注格式如果选择VOC格式，后面需要代码转换格式，如果选择yolo格式就不用转换，voc格式转换yolo格式代码如下：

# -*- coding: utf-8 -*-
"""
@Auth ：挂科边缘
@File ：xml转txt.py
@IDE ：PyCharm
@Motto :学习新思想，争做新青年
@Email ：179958974@qq.com
"""
import xml.etree.ElementTree as ET
import os, cv2
import numpy as np


classes = []


def convert(size, box):
    dw = 1. / (size[0])
    dh = 1. / (size[1])
    x = (box[0] + box[1]) / 2.0 - 1
    y = (box[2] + box[3]) / 2.0 - 1
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return (x, y, w, h)


def convert_annotation(xmlpath, xmlname):
    with open(xmlpath, "r", encoding='utf-8') as in_file:
        txtname = xmlname[:-4] + '.txt'
        txtfile = os.path.join(txtpath, txtname)
        tree = ET.parse(in_file)
        root = tree.getroot()
        filename = root.find('filename')
        img = cv2.imdecode(np.fromfile('{}/{}.{}'.format(imgpath, xmlname[:-4], postfix), np.uint8), cv2.IMREAD_COLOR)
        h, w = img.shape[:2]
        res = []
        for obj in root.iter('object'):
            cls = obj.find('name').text
            if cls not in classes:
                classes.append(cls)
            cls_id = classes.index(cls)
            xmlbox = obj.find('bndbox')
            b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
                 float(xmlbox.find('ymax').text))
            bb = convert((w, h), b)
            res.append(str(cls_id) + " " + " ".join([str(a) for a in bb]))
        if len(res) != 0:
            with open(txtfile, 'w+') as f:
                f.write('
'.join(res))


if __name__ == "__main__":
    postfix = 'png'  # 图像后缀
    imgpath = r'E:A-毕业设计代做数据helmet	estimages'  # 图像文件路径
    xmlpath = r'E:A-毕业设计代做数据helmet	estnnotations'  # xml文件文件路径
    txtpath = r'E:A-毕业设计代做数据helmet	estlabels'  # 生成的txt文件路径

    if not os.path.exists(txtpath):
        os.makedirs(txtpath, exist_ok=True)

    list = os.listdir(xmlpath)
    error_file_list = []
    for i in range(0, len(list)):
        try:
            path = os.path.join(xmlpath, list[i])
            if ('.xml' in path) or ('.XML' in path):
                convert_annotation(path, list[i])
                print(f'file {list[i]} convert success.')
            else:
                print(f'file {list[i]} is not xml format.')
        except Exception as e:
            print(f'file {list[i]} convert error.')
            print(f'error message:
{e}')
            error_file_list.append(list[i])
    print(f'this file convert failure
{error_file_list}')
    print(f'Dataset Classes:{classes}')

代码需要修改的地方如下：
1.postfix参数填图片的后缀，需要注意图片格式要统一，是png格式就写png，是jpg格式就写jpg
2.imgpath参数填图片所在的路径
3.xmlpath参数填标注文件的路径
4.txtpath参数填生成的yolo格式的文件

3.数据集划分

划分训练集和验证集代码如下：

# -*- coding: utf-8 -*-
"""
@Auth ： 挂科边缘
@File ：划分.py
@IDE ：PyCharm
@Motto:学习新思想，争做新青年
@Email ：179958974@qq.com
"""

import os, shutil
from sklearn.model_selection import train_test_split


val_size = 0.2
postfix = 'jpg'
imgpath = r'E:A-毕业设计代做数据datasetsimages'
txtpath =  r'E:A-毕业设计代做数据datasetslabels'



output_train_img_folder =r'E:A-毕业设计代做数据datasetsdataset_kengwa/images/train'
output_val_img_folder =  r'E:A-毕业设计代做数据datasetsdataset_kengwa/images/val'
output_train_txt_folder =  r'E:A-毕业设计代做数据datasetsdataset_kengwalabels/train'
output_val_txt_folder =  r'E:A-毕业设计代做数据datasetsdataset_kengwalabels/val'

os.makedirs(output_train_img_folder, exist_ok=True)
os.makedirs(output_val_img_folder, exist_ok=True)
os.makedirs(output_train_txt_folder, exist_ok=True)
os.makedirs(output_val_txt_folder, exist_ok=True)


listdir = [i for i in os.listdir(txtpath) if 'txt' in i]
train, val = train_test_split(listdir, test_size=val_size, shuffle=True, random_state=0)


for i in train:
    img_source_path = os.path.join(imgpath, '{}.{}'.format(i[:-4], postfix))
    txt_source_path = os.path.join(txtpath, i)

    img_destination_path = os.path.join(output_train_img_folder, '{}.{}'.format(i[:-4], postfix))
    txt_destination_path = os.path.join(output_train_txt_folder, i)

    shutil.copy(img_source_path, img_destination_path)
    shutil.copy(txt_source_path, txt_destination_path)

for i in val:
    img_source_path = os.path.join(imgpath, '{}.{}'.format(i[:-4], postfix))
    txt_source_path = os.path.join(txtpath, i)

    img_destination_path = os.path.join(output_val_img_folder, '{}.{}'.format(i[:-4], postfix))
    txt_destination_path = os.path.join(output_val_txt_folder, i)

    shutil.copy(img_source_path, img_destination_path)
    shutil.copy(txt_source_path, txt_destination_path)

需要修改的地方如下

下面四个参数只需在自己电脑任意位置新建一个文件夹就行，用于存放生成的训练集和验证集，比如新建一个文件夹叫dataset_kengwa，后面的路径不用动，如下图左边的框出来的路径覆盖成你的就行

数据集有以下两种方式放置，都可以进行训练，常见的数据集放置是第一种，也有开源的数据集按照第二种方式放置的，我都遇见过，也能训练起来

4.修改yolo的训练配置文件

我们需要在项目下创建一个 data.yaml 的文件，文件名根据数据集名称取，我这里方便演示直接叫data.yaml，如下图所示

代码如下：

train: E:Desktop
ew-yolov9yolotestimages	rain  # train images (relative to 'path') 4 images
val: E:Desktop
ew-yolov9yolotestimagesal  # val images (relative to 'path') 4 images

nc: 2

# class names
names: ['dog','cat']

四、YOLOv12推理

（1）官网的预训练模型下载

进入官网的源码下载地址：官网模型下载地址，往下面拉，看到模型位置，YOLOv12 针对不同的场景和应用提供了 YOLOv12n、YOLOv12s 等不同大小的模型，具体看官网提供的，需要下载哪个，鼠标左键单击下载就行。

我的源码包已经下载好了模型了，如果需要其他权重自行下载就行

（2）在根目录新建一个python文件，取名为：detect.py

（3）把推理代码复制到detect.py文件
注意注意注意：模型路径改成你自己的路径，还有预测图像也改成你自己的路径
推理的代码如下：

# -*- coding: utf-8 -*-
"""
@Auth ： 挂科边缘
@File ：detect.py
@IDE ：PyCharm
@Motto:学习新思想，争做新青年
@Email ：179958974@qq.com
"""

from ultralytics import YOLO

if __name__ == '__main__':

    # Load a model
    model = YOLO(model=r'D:-Python-YOLOYOLOv11ultralytics-8.3.2yolo11n-seg.pt')  
    model.predict(source=r'D:-Python-YOLOYOLOv11ultralytics-8.3.2ultralyticsssetsus.jpg',
                  save=True,
                  show=False,
                  )

推理代码的参数解释
1.model参数：该参数可以填入模型文件路径
2.source参数：该参数可以填入需要推理的图片或者视频路径，如果打开摄像头推理则填入0就行
3.save参数：该参数填入True，代表把推理结果保存下来，默认是不保存的，所以一般都填入True
4.show参数：该参数填入True，代表把推理结果以窗口形式显示出来，默认是显示的，这个参数根据自己需求打开就行，不显示你就填False就行

目标检测模型推理结果如下：

五、YOLOv12训练

(1)在根目录新建一个python文件，取名为：train.py，如果之前看过我的文章，已经新建过就不用重新新建了

(2)把训练代码复制到train.py文件，如果之前看过我的文章，已经复制过了就不用重新复制了，只需修改参数就行
训练的代码如下：

# -*- coding: utf-8 -*-
"""
@Auth ： 挂科边缘
@File ：trian.py
@IDE ：PyCharm
@Motto:学习新思想，争做新青年
@Email ：179958974@qq.com
"""
import warnings
warnings.filterwarnings('ignore')
from ultralytics import YOLO

if __name__ == '__main__':
    model = YOLO(model=r'D:-Python-YOLOYOLOv12yolov12-mainultralyticscfgmodels12yolov12.yaml')
    # model.load('yolo11n.pt') # 加载预训练权重,改进或者做对比实验时候不建议打开，因为用预训练模型整体精度没有很明显的提升
    model.train(data=r'data.yaml',
                imgsz=640,
                epochs=50,
                batch=4,
                workers=0,
                device='',
                optimizer='SGD',
                close_mosaic=10,
                resume=False,
                project='runs/train',
                name='exp',
                single_cls=False,
                cache=False,
                )

注意注意注意：模型配置路径改成你自己的路径，还有数据集配置文件也修改成你自己的路径

训练代码的参数解释：

model参数：该参数填入模型配置文件的路径，改进的话建议不需要填预训练模型权重
data参数：该参数可以填入训练数据集配置文件的路径
imgsz参数：该参数代表输入图像的尺寸，指定为 640x640 像素
epochs参数：该参数代表训练的轮数
batch参数：该参数代表批处理大小，电脑显存越大，就设置越大，根据自己电脑性能设置
workers参数：该参数代表数据加载的工作线程数，出现显存爆了的话可以设置为0，默认是8
device参数：该参数代表用哪个显卡训练，留空表示自动选择可用的GPU或CPU
optimizer参数：该参数代表优化器类型
close_mosaic参数：该参数代表在多少个 epoch 后关闭 mosaic 数据增强
resume参数：该参数代表是否从上一次中断的训练状态继续训练。设置为False表示从头开始新的训练。如果设置为True，则会加载上一次训练的模型权重和优化器状态，继续训练。这在训练被中断或在已有模型的基础上进行进一步训练时非常有用。
project参数：该参数代表项目文件夹，用于保存训练结果
name参数：该参数代表命名保存的结果文件夹
single_cls参数：该参数代表是否将所有类别视为一个类别，设置为False表示保留原有类别
cache参数：该参数代表是否缓存数据，设置为False表示不缓存。