yolo文档：https://docs.ultralytics.com/zh/modes/train/

本文云平台文档：https://gpushare.com/docs/getting-started/quickstart/

船舶数据集：https://aistudio.baidu.com/datasetdetail/220749

云平台使用yolo11训练船舶数据集

云平台选择

https://gpushare.com/ 注册后，进入云市场，点立即租

点击立即租后，选择yolo需要的python环境pyTorch

上传数据

将数据集SeaShip.zip上传到oss中，可以不创建实例先上传。下载oss命令工具，登录后即可上传文件，详细查看官方文档，

完成创建实例

完成后可以看到已经创建的实例，点击JupyterLab进行操作

JupyterLab页面

点击终端，在终端中进入hy-tmp目录，将oss的数据集复制到hy-tmp并解压

cd /hy-tmp/
oss login
oss cp oss://SeaShip.zip ./
7z x SeaShip.zip

yolo11安装训练

切换到home目录，创建yolo文件夹，克隆ultralytics仓库到该目录下

cd /home
mkdir yolo
git clone https://github.com/ultralytics/ultralytics.git

安装ultralytics包

pip install ultralytics

在克隆后的ultralytics下编写训练文件config.yaml

path: /hy-tmp/SeaShips/  # dataset root dir
train: images  # train images (relative to 'path')
val: images  # val images (relative to 'path')

# Classes
names:
  0: bulk cargo carrier
  1: container ship
  2: fishing boat
  3: general cargo ship
  4: ore carrier
  5: passenger ship

终端执行命令训练

yolo detect train data=config.yaml model=yolo11n.pt epochs=100 imgsz=640

云服务器开始训练

等待两个小时后训练完成

进入runs/detect/train目录，压缩下载train

zip -r compressed.zip train

右键文件即可完成下载