新闻详情

新闻详情

首页 / 资讯中心 / 详情

yolo下载地址

发布时间:2026/11/14 20:55:33来源:尧图网络
yolo下载地址
一、先搞清楚你想下载哪个 YOLOYOLO 系列并不是由一个团队统一维护的不同版本分属不同作者/公司。下载前先认准官方仓库避免下到第三方修改版版本维护方状态YOLOv1~v3Joseph Redmon (darknet)已停更经典学习用YOLOv4AlexeyAB (darknet)停更YOLOv5Ultralytics维护中长期支持版YOLOv6美团停更YOLOv7WongKinYiu中科大停更YOLOv8 / YOLO11Ultralytics活跃维护YOLOv9WongKinYiu研究版YOLOv10清华大学 THU-MIG研究版YOLOv12社区sunsmarterjie研究版YOLO26Ultralytics最新旗舰新手直接选 Ultralytics 全家桶一个包覆盖 v3/v5/v8/v9/v10/v11/v12/v26老项目维护再按版本单下。二、各版本官方源码地址GitHub1. Ultralytics 系列最推荐主仓库YOLOv8 / YOLO11 / YOLO26 统一入口https://github.com/ultralytics/ultralyticsYOLOv5 独立仓库https://github.com/ultralytics/yolov5YOLOv3 PyTorch 复现版https://github.com/ultralytics/yolov32. 其他团队版本版本官方地址YOLOv1~v3 原版 (darknet)YOLO: Real-Time Object DetectionYOLOv4 (AlexeyAB)https://github.com/AlexeyAB/darknetYOLOv6 (美团)GitHub - meituan/YOLOv6: YOLOv6: a single-stage object detection framework dedicated to industrial applications. · GitHubYOLOv7GitHub - WongKinYiu/yolov7: Implementation of paper - YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors · GitHubYOLOv9https://github.com/WongKinYiu/yolov9YOLOv10 (清华)GitHub - THU-MIG/yolov10: YOLOv10: Real-Time End-to-End Object Detection [NeurIPS 2024] · GitHubYOLOv12 (社区)https://github.com/sunsmarterjie/yolov12YOLOX (旷视)https://github.com/Megvii-BaseDetection/YOLOXPP-YOLOE (百度飞桨)https://github.com/PaddlePaddle/PaddleDetection⚠️ 注意GitHub 上有大量高仿仓库名字带 yolov8-pro、yolo-master 之类认准上表的官方组织名。三、三种下载方式方式 1pip 安装新手首选不用碰源码适合只想调用模型做检测、训练的用户pip install ultralytics验证安装from ultralytics import YOLOmodel YOLO(yolo11n.pt) # 自动下载预训练权重results model(https://ultralytics.com/images/bus.jpg)环境要求Python ≥ 3.8PyTorch ≥ 1.8。方式 2Git 克隆源码需要改代码、看实现# Ultralytics 主仓库v8/v11/v26 git clone https://github.com/ultralytics/ultralytics.git cd ultralytics pip install -e . # 以开发模式安装改源码即时生效 # YOLOv5 git clone https://github.com/ultralytics/yolov5.git cd yolov5 pip install -r requirements.txt方式 3直接下载压缩包浏览器打开仓库页面 → 绿色Code按钮 →Download ZIP。 或者用命令行只下最新 release 的源码包# 下载 ultralytics 最新源码 zip curl -L -o ultralytics.zip https://github.com/ultralytics/ultralytics/archive/refs/heads/main.zip
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/14 3:51:47

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/14 3:51:43

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉