1 项目需求描述

博主自己开了一家T宝店，有一个客户有这个需求：有一大堆图像，大概有10多万张图，都是比较小尺寸的图。各种类型都有，我们想要通过将不同类型发图像进行分开，如何实现呢？

2 思路

可以通过训练模型，将图像通过模型预测，来进行筛选图像。比如：我们先训练第一个图像分类模型：卡通/猫。将每一个图像都使用模型预测下，如果预测为卡通或者猫的得分比较大，那么，我们就认为这个图像就是卡通或者猫，就把它从原始文件夹中拿出来，放到预测结果的这个类别的文件夹中。

3 步骤

3.1 图像准备

先从这么多图像中，筛选出卡通图，猫图各自100多张。用于训练。整理数据格式为：

3.2 环境准备

要进行模型训练，我们就需要在windows上配置训练的环境。这里，我们仍使用yolo11进行训练。环境准备过程如下：

3.2.1 环境创建

之前，我们都是使用conda创建环境，这次我们换一种方案，uv。

首先，在桌面上新建一个文件夹TB_Pro-Clas-Cat-Cartoon，然后打开Pycharm选择项目路径。配置环境如下（如果不会配置，可以参考Pycharm配置uv环境）：

然后点击创建，进入如下界面：

3.2.2 安装ultralytics

使用如下命令安装ultralytics：

uv pip install ultralytics

3.2.3 克隆仓库

使用如下命令，注意，最好提前打开科学上网，这样下载速度会更快！

git clone https://github.com/ultralytics/ultralytics.git

现在，我们查看一下目录，就会看到如下结果：

3.3 划分数据集

然后，为了训练模型，我们需要将数据集整理为下面的格式：

包含训练集、测试集和验证集，按类别分文件夹存储。

📁 data-train/
├── 📁 train/
│ ├── 📁 catroon/
│ └── 📁 cat/
├── 📁 test/
│ ├── 📁 catroon/
│ └── 📁 cat/
└── 📁 val/ (可选，本次项目，我们不划分)

3.4 开始训练

3.4.1 下载模型

从官网直接下载到的模型：

模型	尺寸 （像素）	acc top1	acc top5	速度 CPU ONNX （毫秒）	速度 T4TensorRT10 (ms)	params (M)	FLOPs (B) at 224
YOLO11n-cls	224	70.0	89.4	5.0 ± 0.3	1.1 ± 0.0	1.6	0.5
YOLO11s-cls	224	75.4	92.7	7.9 ± 0.2	1.3 ± 0.0	5.5	1.6
YOLO11m-cls	224	77.3	93.9	17.2 ± 0.4	2.0 ± 0.0	10.4	5.0
YOLO11l-cls	224	78.3	94.3	23.2 ± 0.3	2.8 ± 0.0	12.9	6.2
YOLO11x-cls	224	79.5	94.9	41.4 ± 0.9	3.8 ± 0.0	28.4	13.7

为了得到更高的准确率，我们使用YOLO11x-cls。下载后就会得到：

我们可以将这个文件挪到ultralytics文件夹内！

3.4.2 编写训练代码

新建一个train-code.py文件。

并编写训练代码如下：

from ultralytics import YOLO# Load a model
## yolo11x-cls.pt这个模型是从官网直接下载到的模型
model = YOLO("yolo11x-cls.pt") # Train the model
results = model.train(data="data-train", epochs=100, imgsz=224)

然后，在pycharm终端，cd到ultralytics文件夹，运行py文件，就开始训练模型啦！

经过漫长的等待（等待时间取决于你的电脑显卡配置），终于训练完成啦！

然后，我们在路径下，就会看到模型文件：

至此，模型训练就结束啦！