加入我们，我们将仔细研究如何使用 Ultralytics HUB 来训练和部署新的 Ultralytics YOLO11 模型。我们将逐步引导您完成整个过程。
敬请关注 YOLO Vision 2025！
2025年9月25日
英国夏令时 10:00 - 18:00
混合活动
加入我们，我们将仔细研究如何使用 Ultralytics HUB 来训练和部署新的 Ultralytics YOLO11 模型。我们将逐步引导您完成整个过程。
Ultralytics YOLO11 是最新的 计算机视觉模型，专为 任务（如 目标检测、图像分类 和 实例分割）而设计。它比以前版本的 YOLO（You Only Look Once）模型更快、更准确、更高效。YOLO11 可用于各种实时 计算机视觉应用。最重要的是，开始使用 Ultralytics YOLO11 就像所有其他 Ultralytics YOLO 模型一样简单直接。
我们之前讨论了 YOLO11 的新功能和改进，并提到了通过 Ultralytics Python 包 或 Ultralytics HUB 访问该模型。在本指南中，我们将逐步引导您了解 如何使用 Ultralytics HUB 轻松训练和部署 Ultralytics YOLO11。
Ultralytics HUB 是 Ultralytics 的无代码、用户友好型平台，旨在简化从 训练 到 部署 YOLO 模型 的整个过程，包括新推出的 Ultralytics YOLO11 模型。无论您是 AI 专家还是计算机视觉新手，HUB 都提供了一个直观的界面，允许您上传 数据集、选择 预训练模型，并根据您的特定需求对其进行 微调。只需点击几下，您就可以为从 制造业 到 农业 等行业的 实时应用 训练模型。HUB 专注于 使高级 AI 易于访问，而无需大量的编码。
Ultralytics HUB 具有不同的计划选项，包括用于基本访问的免费层和提供额外功能的 Pro 计划，如云训练、团队协作和更高的使用限制。以下是 Ultralytics HUB 提供的一些主要功能的快速概览：
HUB 还与各种平台集成，用户可以将训练好的模型导出为各种格式，例如 ONNX、TensorFlow 和 CoreML，从而实现跨多个平台的部署。从本质上讲，Ultralytics HUB 简化了复杂的 AI 任务，从数据集处理到实时模型部署，所有这些都在一个综合工具中完成。
要在 Ultralytics HUB 上使用 YOLO11 运行推理，只需导航到“模型”部分，然后选择您感兴趣的 YOLO11 模型。然后，您可以单击“预览”以上传任何图像来试用该模型。
HUB 的这项功能使任何人（无论其经验水平如何）都可以使用 YOLO11 测试模型预测，并了解其性能。这是一种用户友好的方式，可以免费亲身体验 Ultralytics YOLO11。
创建帐户后，您可以直接访问仪表板开始训练。从那里，您可以轻松地管理您的项目、上传数据集并开始训练您的 YOLO11 模型。该平台旨在尽可能快速且无障碍地完成该过程。
登录后，您可以单击左侧菜单中的“数据集”，以浏览 Ultralytics HUB 上提供的一系列预先存在的数据集。这些数据集适用于各种任务，例如定向边界框 (OBB) 对象检测和姿势估计。例如，您可以将 COCO128 用于具有 80 个类别的对象检测，或将 Fashion-MNIST 用于图像分类。这些数据集随时可用，并且针对训练 YOLO 模型进行了优化。
如果您想使用自己的数据，可以上传自定义数据集。执行此操作时，请确保您的数据集遵循 YOLO 结构，包括根目录中格式正确的 YAML 文件，并且已压缩。
准备好数据集后，您可以单击“上传数据集”按钮，选择任务类型，然后上传 ZIP 文件。上传后，Ultralytics HUB 会自动验证您的数据集，您可以立即开始训练 YOLO 模型。您还可以管理和查看数据集详细信息，例如图像分割（训练、验证、测试），并分析数据以确保其已准备好用于模型训练。
要使用 Ultralytics HUB 的云训练功能开始训练 YOLO11 模型，您需要升级到 Pro 计划。作为 Pro 用户，您可以使用 GPU 资源来获得更快、更高效的训练。升级后，访问“模型”部分，选择所需的 YOLO11 模型变体，然后配置训练设置。
您可以选择 epoch 的数量（定义模型将通过数据集的次数）或为定时训练设置特定持续时间。在模型训练开始之前，Ultralytics HUB 将初始化一个专用 GPU 实例，以确保优化的性能。根据需求，初始化可能需要一些时间，但在此过程中不会向您的帐户收取任何费用。
完成设置后，单击“开始训练”以启动会话。在整个训练过程中，您可以通过仪表板实时监控进度。它使您能够根据需要暂停、停止或恢复训练。如果您的帐户余额在基于 epoch 的训练期间不足，会话将暂停，您可以先充值余额然后再恢复。该平台会自动保存检查点，这意味着您可以从上次中断的地方继续。
在训练结束时，您可以通过结算选项卡查看所有费用，您可以在其中找到详细的成本报告，从而轻松跟踪费用并有效地管理您的训练。
使用 Ultralytics HUB 部署自定义训练的 YOLO11 模型时，有两种主要选择：共享推理 API 和 专用推理 API。要使用已部署的模型，您可以根据您的设置使用 Python 或 cURL 向 API 发出推理请求。一般过程包括将图像文件以及相关参数（如图像大小和置信度阈值）发送到 API。Ultralytics HUB 将以简单的 JSON 格式返回预测，您可以进一步处理这些预测。
共享推理 API 是一种经济高效的解决方案，适用于免费套餐用户，每月提供 100 次调用/小时和最多 1000 次调用。它无需本地环境，并支持直接从 Ultralytics HUB 进行快速部署。
Pro 用户可以使用专用推理 API，它更适合大规模部署或实时应用。它通过 Google Cloud Run 提供一键式部署在专用云环境中。此选项针对高性能应用进行了优化，确保亚 100 毫秒的延迟，并在 38 个区域实现全球覆盖，以进行实时处理。它还支持增强的安全功能，使其适用于具有严格数据保护要求的行业。
在为 YOLO11 模型选择 共享或专用推理 API 进行部署后，接下来的步骤非常简单高效。您可以打开 Ultralytics HUB 模型页面中的“Deploy”（部署）选项卡。如果您使用的是共享推理 API，可以查看本指南，按照说明设置 API 调用。对于专用推理 API 用户，只需单击“Start Endpoint”（启动端点）按钮即可启动端点。激活后，HUB 将为您提供一个唯一的 URL，用于推理任务。
如果您的项目需要特定格式的模型或用于离线使用，Ultralytics HUB 提供 ONNX、CoreML 或 TensorFlow 等导出选项，以支持从移动设备到云系统的各种平台。对于希望将模型直接集成到应用程序中的开发人员，Ultralytics HUB-SDK 提供了一种通过 Python 管理部署的有效方法。通过使用 API 密钥或 Ultralytics 凭据，您可以轻松控制部署并在代码中运行推理，从而为您提供无缝集成所需的灵活性。
Ultralytics HUB 是一个一体化平台，旨在让初学者和专家都能轻松训练和部署 YOLO11 模型。它支持从数据集上传到训练配置的各种任务，并提供灵活的部署选项，如共享和专用推理 API。无论您是通过 API 部署还是导出模型以供离线使用，HUB 都能确保跨平台的无缝集成。Ultralytics HUB 具有实时应用程序和可扩展解决方案的选项，可用于初学者和高级用户的各种部署需求。
浏览我们的 GitHub 仓库 并加入 我们活跃的社区，以更深入地了解 AI。了解视觉 AI 如何推动 医疗保健 和 农业 等行业的创新。
