从X-Labeling标注、导出，到Yolov11训练自己的数据集

一、 使用X-Labeling进行数据标注及导出

1. 下载地址

直接点击<GitHub>。然后到<Release>下载对应的编译好的版本即可。
本人用的3.3.3版本。软件界面如下：

菜单默认英文，可以在Language菜单栏设置为中文。

2. 常用快捷键

* R：水平矩形
* O：旋转矩形
* Z：标注框逆时针旋转，每次1°
* X：标注框逆时针旋转，每次0.1°
* C：标注框顺时针旋转，每次0.1°
* V：标注框顺时针旋转，每次1°

3. 数据导出：Yolo格式

• 所有图片标注完成后，需要在图片文件夹内，新建<classes.txt>文件，内容为标注的所有类别，每个类别一行，多个类别直接换行即可。
• 点击导出或Export，选择要导出的模型类别
  
• 选择classes文件，也就是刚才新建的<classes.txt>。
  
  选择标注文件存放位置，点击确定即可。

二、 Yolo数据训练

1. 直接通过pip安装ultralytics，或到<GitHub>下载源码。以下采用后一种方式。

2. cd到.\ultralytics-main\examples\RTDETR-ONNXRuntime-Python，安装requirements.txt。pip命令：pip install -r requirements.txt
   不同的python版本，可能部分包安装失败，手动安装，选择最近的高版本即可。

3. 安装torch和torchvision
   *torch和torchvision版本需要对应，且需要跟当前的环境，如，python版本、cuda版本等匹配。
   *查询cuda版本nvidia-smi，查询cuda工具集版本nvcc -V
   *cuda下载：CUDA，cudnn下载：cudnn
   cuda版本也需要和当前显卡版本匹配。

4. 训练
   *在文件根目录新建train.py
   *代码内容：
   `
   from ultralytics import YOLO

model = YOLO("E:/yolo11l.pt")

if name == "main":
model.train(data="E://ultralytics-main//ultralytics//cfg//datasets//data.yaml", imgsz=640, epochs=100, batch=16, workers=4, device="cuda:0")
`

*data.yaml内容：
`
path: E:/图片/文件夹/ # dataset root dir
train: 训练图片文件夹/ # train images (relative to 'path') 118287 images
val: 评估图片文件夹 # val images (relative to 'path') 5000 images

names: #标签类别
0: horizontal
1: vertical
2: top
3: bottom
`

运行即可。初次运行可能在训练的过程中，出现缺少包的情况，根据报错提示，手动安装即可。