YOLOv12 环境配置、训练与推理实战详解

顺序依次为 torch、torchvision、torchaudio。

5. 验证 GPU 可用性

安装完成后，在终端运行 Python 测试：

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

输出 True 表示 GPU 可用。若为 False，CPU 训练速度会较慢，但推理功能正常。

6. 安装其他依赖

直接安装 requirements.txt 可能会因版本冲突报错。建议先清理该文件，保留基础依赖，缺什么再补什么。

matplotlib>=3.3.0
numpy==1.24.4
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
pandas>=1.1.4
seaborn>=0.11.0
thop>=0.1.1
psutil

安装命令：

pip install -r requirements.txt

若运行推理时报错缺少库，按需补充，例如：

pip install huggingface-hub==0.23.2

7. Flash Attention 补充

部分配置中包含 flash_attn 库，主要用于 Linux 环境加速。Windows 下若无特殊需求可不安装，代码内部已做兼容处理：优先使用 flash_attn_func，未启用时自动回退到标准缩放点积注意力 (sdpa)。

三、数据集准备

1. 标注工具

推荐使用 LabelImg 或 LabelMe。安装方式：

pip install labelimg

启动后设置自动保存路径即可开始标注。

2. VOC 格式转换

若标注结果为 VOC 格式（XML），需转换为 YOLO 格式（TXT）。以下脚本用于批量转换：

# -*- coding: utf-8 -*-
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('\n'.join(res))

if __name__ == "__main__":
    postfix = 'png'
    imgpath = r'E:\A-毕业设计代做数据\helmet\test\images'
    xmlpath = r'E:\A-毕业设计代做数据\helmet\test\annotations'
    txtpath = r'E:\A-毕业设计代做数据\helmet\test\labels'
    if not os.path.exists(txtpath):
        os.makedirs(txtpath, exist_ok=True)
    listdir = os.listdir(xmlpath)
    error_file_list = []
    for i in range(0, len(listdir)):
        try:
            path = os.path.join(xmlpath, listdir[i])
            if ('.xml' in path) or ('.XML' in path):
                convert_annotation(path, listdir[i])
                print(f'file {listdir[i]} convert success.')
            else:
                print(f'file {listdir[i]} is not xml format.')
        except Exception as e:
            print(f'file {listdir[i]} convert error.')
            print(f'error message:\n{e}')
            error_file_list.append(listdir[i])
    print(f'this file convert failure\n{error_file_list}')
    print(f'Dataset Classes:{classes}')

修改要点：调整 postfix、imgpath、xmlpath 和 txtpath 为你的实际路径。

3. 数据集划分

将图片与标签按 8:2 比例划分为训练集和验证集：

# -*- coding: utf-8 -*-
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\datasets\images'
txtpath = r'E:\A-毕业设计代做数据\datasets\labels'
output_train_img_folder = r'E:\A-毕业设计代做数据\datasets\dataset_kengwa\images\train'
output_val_img_folder = r'E:\A-毕业设计代做数据\datasets\dataset_kengwa\images\val'
output_train_txt_folder = r'E:\A-毕业设计代做数据\datasets\dataset_kengwa\labels\train'
output_val_txt_folder = r'E:\A-毕业设计代做数据\datasets\dataset_kengwa\labels\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)

确保图片与标签路径对应一致，文件夹结构符合 YOLO 要求。

4. 修改训练配置文件

在项目根目录创建 data.yaml，定义训练集、验证集路径及类别名称：

train: E:\Desktop\new-yolov9\yolotest\images\train # train images
val: E:\Desktop\new-yolov9\yolotest\images\val # val images
nc: 2 # class names
names: ['dog', 'cat']

注意路径需与实际存放位置一致。

四、YOLOv12 推理

1. 下载预训练模型

从 GitHub 仓库下载对应场景的权重文件（如 yolov12n.pt）。

2. 编写推理脚本

新建 detect.py，填入模型路径和图片路径：

# -*- coding: utf-8 -*-
from ultralytics import YOLO

if __name__ == '__main__':
    model = YOLO(model=r'D:\2-Python\1-YOLO\YOLOv11\ultralytics-8.3.2\yolo11n-seg.pt')
    model.predict(source=r'D:\2-Python\1-YOLO\YOLOv11\ultralytics-8.3.2\ultralytics\assets\bus.jpg', save=True, show=False,)

参数说明：

• model: 模型权重路径
• source: 图片或视频路径，摄像头填 0
• save: True 保存结果
• show: True 弹窗显示结果

五、YOLOv12 训练

新建 train.py 文件：

# -*- coding: utf-8 -*-
import warnings
warnings.filterwarnings('ignore')
from ultralytics import YOLO

if __name__ == '__main__':
    model = YOLO(model=r'D:\2-Python\1-YOLO\YOLOv12\yolov12-main\ultralytics\cfg\models\v12\yolov12.yaml')
    # model.load('yolo11n.pt') # 如需加载预训练权重可开启
    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,)

参数解析：

• model: 模型配置文件路径
• data: 数据集配置文件路径
• imgsz: 输入图像尺寸，默认 640
• epochs: 训练轮数
• batch: 批处理大小，显存大可调大
• workers: 数据加载线程数，爆显存可设为 0
• device: 设备选择，留空自动
• resume: 是否断点续训
• project / name: 结果保存路径

科研改进时，有时不加载预训练权重效果更佳。

六、断点续训

训练中断后可继续上次进度，方法如下：

1. 找到上次训练的 last.pt 模型文件。
2. 修改 train.py 中的参数：
   • model: 指向 last.pt
   • resume: 设置为 True

这样即可加载之前的权重和优化器状态继续训练。

总结

本文涵盖了 YOLOv12 从环境搭建、数据处理到训练推理的全流程。重点解决了依赖冲突、CUDA 版本匹配及数据集格式转换等常见问题。掌握这些步骤后，即可基于 YOLOv12 开展目标检测任务开发与优化。