使用 JupyterLab 集成训练 Ultralytics YOLO11

开展计算机视觉模型开发令人兴奋，尤其是看到模型表现出色时。计算机视觉开发通常包括几个简单步骤，例如准备数据集和微调模型，比如 Ultralytics YOLO11。不过，对初学者来说，这个流程中的某些环节可能颇具挑战性，例如设置开发环境。这正是 Ultralytics 提供集成方案（如 JupyterLab）来简化这些步骤的原因。

具体来说，JupyterLab 集成提供了交互式、易用的开发环境，让你可以轻松探索和试验计算机视觉模型。JupyterLab 为你提供了一个集成工作区。使用它，你可以直接探索和构建计算机视觉模型，不必被安装和配置环境的工作分散精力。

例如，JupyterLab 提供了多种工具和功能，包括用于运行代码的 notebook、用于编写文档的文本编辑器，以及用于与系统交互的终端。事实上，JupyterLab 让你可以直接在电脑上轻松试验和训练 Ultralytics YOLO11 模型。本文将介绍它与 YOLO11 的集成、工作原理以及带来的好处。

什么是 JupyterLab？#

JupyterLab 是一款基于 Web 的工具，可让你在同一个地方编写和运行代码、整理数据并创建可视化报告。它是 Project Jupyter 的一部分；Project Jupyter 于 2014 年启动，旨在让编码更具交互性、更易于使用。JupyterLab 在 Jupyter Notebook 的基础上升级而来，于 2018 年首次发布，常用于数据分析、创建图表和构建机器学习模型等任务。

JupyterLab 支持你以交互方式处理代码和数据，让试验和探索想法变得简单。你还可以创建和分享结合代码、文本和视觉内容的文档，非常适合协作和演示。此外，它灵活的界面让你能够并排整理笔记本、文本文件和终端等工具，还可以添加插件，进一步扩展功能以满足项目需求。

图 1. JupyterLab 的组件。

下面介绍 JupyterLab 的其他一些有趣功能：

• 轻松创建项目：JupyterLab 让你可以轻松创建和分享项目，其中可以包含图表和仪表盘等可视化内容，以及图像、视频和其他媒体。
• 与他人协作：你可以轻松与他人协作，分享 notebook 并使用 Git 等工具跟踪更改。
• 适合初学者：它在课堂上很受欢迎，可用于教授编程和数据分析；在研究中可用于测试想法；在开发中则可用于软件测试、管理数据工作流等任务。

使用 JupyterLab 开展 Ultralytics YOLO11 项目#

现在我们已经更了解 JupyterLab，接下来看看 JupyterLab 集成具体包含哪些内容，以及你在使用 Ultralytics YOLO11 时如何加以利用。

JupyterLab 是使用 Ultralytics YOLO11 模型开展项目的绝佳工具。它提供一体化环境，让你无需在不同平台之间切换，就能管理任务和文档，从而简化开发流程。借助交互式界面，你可以运行代码并立即查看结果，这对于探索数据或了解 YOLO11 模型的表现很有帮助。你还可以使用 Plotly 等扩展创建交互式图表，帮助你可视化和改进 YOLO11 模型。

例如，假设你正在开展一个将 AI 应用于医疗领域的创新项目。你计划对 Ultralytics YOLO11 进行自定义训练，帮助医生实时检测 X 光或 CT 扫描图像中的肿瘤。你可以使用标注过的医学图像数据集训练 YOLO11，并在图像中标出正常和异常区域。借助 JupyterLab 集成，你可以直接在支持协作、适合编写代码的环境中训练和微调 YOLO11 模型。它还提供管理数据集、运行实验和验证模型准确率的工具，让你更轻松、高效地采用医疗领域的视觉 AI。

JupyterLab 集成的工作原理#

在 JupyterLab 上自定义训练 Ultralytics YOLO11 模型非常简单。该平台与其前身 Jupyter Notebook 以及 Google Colab 类似，并提供预配置环境，让你轻松上手。

要为 YOLO11 项目设置 JupyterLab，首先从 Ultralytics GitHub 代码仓库下载 tutorial.ipynb 文件，并将其保存到你选择的目录中（该笔记本后来已更新为使用 Ultralytics YOLO26）。接下来，打开终端并执行命令 pip install jupyterlab 来安装 JupyterLab。启动 JupyterLab 后（见下一步），你会看到下方所示的启动页面。

图 2. JupyterLab 的初始启动页面。

安装完成后，前往保存 notebook 文件的目录，并运行命令 jupyter lab 启动平台。系统会在你的默认 Web 浏览器中打开 JupyterLab，你可以在其中加载 tutorial.ipynb 文件并开始探索 YOLO11。在这个交互式环境中，你可以逐个运行 notebook 单元格中的代码、调整设置并立即查看结果。JupyterLab 让你可以在同一处轻松查看输出、记录笔记和尝试不同配置。

图 3. 在 JupyterLab 界面中打开 Ultralytics YOLO11 tutorial.ipynb notebook。

如需进一步了解 Ultralytics YOLO 模型的训练流程和最佳实践，可以参考 Ultralytics 的模型训练技巧指南。

选择 JupyterLab 集成：它为何脱颖而出#

浏览 Ultralytics 集成文档时，你会发现可选集成种类繁多，其中一些甚至提供相似的功能。例如，Google Colab 集成提供了 notebook 风格的环境，支持训练 YOLO11，包括针对特定任务对预训练模型进行自定义训练。面对众多集成方案，别忘了留意 JupyterLab 集成的独特之处。

JupyterLab 集成的一项主要优势是支持扩展。这些扩展可以为你的计算机视觉项目带来显著帮助，并简化模型开发流程。例如，你可以使用 Git 扩展跟踪进展、与他人分享成果，并确保代码始终得到良好维护——所有这些都无需离开 JupyterLab 界面。

以下是选择 JupyterLab 集成对你的项目大有裨益的其他一些原因：

• 轻松管理单元格：在 JupyterLab 中管理不同单元格很简单。你不必再繁琐地剪切和粘贴，可以通过拖放来重新排列单元格。
• 在不同 notebook 之间复制单元格：你可以将单元格从一个 notebook 拖放到另一个 notebook 中，轻松完成复制。
• 多视图：JupyterLab 支持同时查看同一个 notebook 的多个视图，这对较长的 notebook 尤其有用。你可以并排打开不同部分进行比较或探索，在一个视图中所做的更改也会显示在另一个视图中。
• 轻松切换回经典 notebook 视图：如果你更熟悉经典的 Jupyter Notebook 界面，JupyterLab 也能让你轻松切换回去。只需将浏览器链接中的“/lab”替换为“/tree”，即可返回熟悉的 notebook 视图。

JupyterLab 集成与 Ultralytics YOLO11 的应用#

接下来，我们来了解一些使用 JupyterLab 集成开展 Ultralytics YOLO11 项目的实际应用。

例如，开发野生动物监测技术的人员可以使用 JupyterLab 集成训练 YOLO11 模型。通过自定义训练 YOLO11，他们可以构建计算机视觉应用，从无人机拍摄的影像中识别濒危物种。JupyterLab 提供统一工作区，便于探索数据、预处理数据和训练模型，从而让整个流程更轻松。开发者可以在同一处运行代码、测试模型和查看结果，让工作流程保持简单有序。

图 4。使用 Ultralytics YOLO 模型检测野生动物物种的示例。

除了野生动物保护，Ultralytics YOLO11 与 JupyterLab 的结合还可用于多种实际应用场景，例如：

• 农业计算机视觉：Ultralytics YOLO11 支持多种计算机视觉任务，可用于检测作物病害、监测植物生长，或从无人机和卫星图像中识别杂草；JupyterLab 则能简化数据分析和模型优化。
• 制造业质量控制：通过实时分析图像，Ultralytics YOLO11 可以识别装配线产品中的缺陷，而 JupyterLab 则提供集中式环境，便于优化模型和评估结果。
• 物流领域的 AI：可以使用 YOLO11 自动执行库存跟踪和包裹扫描等任务。YOLO11 能检测图像中的物体并在物体周围绘制边界框以标明位置；JupyterLab 则提供工具，帮助你使用物流数据高效地训练、验证和测试模型。

JupyterLab 集成的优势#

下面简要介绍 JupyterLab 集成对整体视觉 AI的几种独特帮助：

• 远程访问与可扩展性：它既可以在云平台上运行，也可以在远程服务器上运行，让你能够使用强大的计算资源并开展协作研究。
• 支持多种编程语言：Python 是最常用的语言，但 JupyterLab 还支持 R、Julia 和 Scala 等语言，因此能够适应多种工作流程。
• 数据集成：JupyterLab 可与数据库、云存储和数据处理工具集成，让你更轻松地处理视觉 AI 训练所需的大型数据集。

要点#

JupyterLab 集成是一款实用工具，让你更轻松地使用 Ultralytics YOLO11 等计算机视觉模型。它为你提供统一工作区，便于整理数据、训练和测试自定义模型，以及与其他开发者协作。借助实用的扩展和附加组件，你可以专注于构建和改进模型，而不必为配置工作环境操心。

无论你是在帮助保护野生动物、改进医学扫描，还是检查工厂的产品质量，Ultralytics 提供支持的 JupyterLab 集成都能让整个流程更简单、更高效。

加入我们的社区，查看我们的 GitHub 代码仓库或指南，了解更多关于 AI 的知识。你还可以在我们的解决方案页面探索更多应用，例如制造业中的计算机视觉或自动驾驶汽车中的 AI。