Ubuntu 20.04 部署 YOLOv13 全流程（保姆级目标检测从环境配置到模型训练推理教学）

二、安装依赖与源码

打开终端，执行以下命令来获取 YOLOv13 代码库并安装核心依赖：

    git clone https://github.com/ultralytics/ultralytics # 假设集成在ultralytics仓库cd ultralyticspip install -r requirements.txt  

三、模型训练（Training）

进行目标检测模型训练时，我们需要准备好符合 YOLO 格式的数据集（包含 images 和 labels 文件夹）。以下是启动训练的核心 Python 代码：

    from ultralytics import YOLO# 加载预训练权重model = YOLO('yolov13n.pt')# 开始训练results = model.train(data='coco128.yaml', epochs=50, imgsz=640, device=0)  

四、模型推理（Inference）

模型训练完成后，权重文件会保存在 runs 目录下。我们可以通过以下 模型推理代码 来测试图片或视频的检测效果：

    import cv2from ultralytics import YOLO# 加载训练好的模型model = YOLO('runs/detect/train/weights/best.pt')# 执行推理results = model.predict(source='test_image.jpg', save=True, conf=0.5)print("推理完成，结果已保存！")  

五、总结与关键词

通过本篇教程，您已经掌握了在 Ubuntu 20.04 上从环境配置到模型预测的全过程。以下是本次教程涉及的 SEO 核心词汇，建议收藏学习：

1. Ubuntu 20.04 YOLOv13 | 2. YOLOv13部署教程 | 3. 目标检测模型训练 | 4. YOLOv13推理代码