⏱ 0:07 - 1:36｜AI核心概念：推理 vs 训练

🎯 核心结论

• 推理（Inference） = 用模型做预测
• 训练（Training） = 让模型变得更准（优化参数）

---

🧠 推理是什么？

• 输入一张图片 → 模型输出结果（有什么目标）
• 本质：
  👉 推理 = 预测

---

🧠 参数的作用

• 模型内部有很多“参数”
• 参数变化 → 预测结果变化
• 初始参数：
  👉 一般很差（几乎预测不到）

---

🧠 训练是什么？

• 输入：
  • 图片 + 正确答案（标注）
• 过程：
  • 每训练一次 → 参数更新一次
• 结果：
  👉 训练越多 → 模型越准

---

📌 总结

• 推理 = 使用模型
• 训练 = 获得模型

---

⏱ 1:43 - 2:50｜学习路径说明

🎯 本节目标

• 先学：如何使用别人训练好的模型（推理）
• 再学：如何训练自己的模型

👉 顺序非常关键！

---

⏱ 2:54 - 4:02｜第一个YOLO推理脚本

🧾 代码结构

from ultralytics import YOLO

model = YOLO(r"yolo11n.pt")

model.predict(
    source=r"ultralytics/assets",
    save=True,
    show=False,
)

---

🧠 预测的三大核心组成

1️⃣ 模型

YOLO("yolo11n.pt")

👉 用哪个模型预测

---

2️⃣ 预测目标

source=...

👉 预测什么（图片/视频/文件夹/摄像头）

---

3️⃣ 预测选项

save=True
show=False

参数	作用
save	是否保存结果
show	是否实时显示

📌 至少开一个，不然白跑！

---

⏱ 4:05 - 6:07｜预测结果解析

🖥 输出信息解读

每一行代表一张图片：

• 图片名
• 分辨率（预处理后）
• 检测结果（类别+数量）
• 推理时间（ms）

👉 整个脚本本质：

用某个模型，对某个目标，按你的要求做预测

---

⏱ 7:46 - 10:17｜预测目标（source）详解

📂 支持类型

✅ 文件夹

🖼 单张图片

🎥 视频

👉 视频本质是：一帧一帧当图片处理

---

⏱ 10:33 - 11:22｜实时显示（show）

🎯 想实时看结果？

show=True
save=False

---

⚠️ 注意

• 分辨率太高 → 显示可能不完整（正常）

---

⏱ 11:09 - 12:02｜摄像头推理

source=0

👉 直接调用摄像头

---

⚠️ 重要问题：内存爆炸

原因：

• 每一帧结果都存在内存中
• 越跑越多 → 内存占满

👉 解决方案：

• 使用专门脚本（如 MyCam.py）
• 或使用 stream=True（进阶）

• from ultralytics import YOLO
  
  import cv2
  
  model = YOLO(r"yolo11n.pt")
  results = model(
      source=0,
      stream=True,
  )
  
  for result in results:
      plotted = result.plot()
      cv2.imshow(winname="yolo inference", mat=plotted)
      if cv2.waitKey(1) & 0xFF == ord("q"):
          break

---

⏱ 12:42 - 14:12｜官方支持的输入类型

常见：

• 图片
• 视频
• 文件夹
• 摄像头

---

⏱ 14:23 - 20:40｜模型理解（重点‼️）

🧠 三个维度理解模型

---

1️⃣ 做什么任务？

YOLO支持5种：

• 目标检测（detect）
• 分割（segment）
• 分类（classify）
• 姿态（pose）
• 旋转检测（obb）

---

📌 查看方式：

print(model.task)

---

2️⃣ 能识别什么类别？

📌 查看方式：

print(model.names)

---

🧠 关键结论

👉 模型只能识别它训练过的类别！

比如：

• YOLO11n：80类（COCO数据集）
• 不包含 → 就识别不了

---

3️⃣ 模型大小（参数量）

📌 查看参数数量：

print(sum(p.numel() for p in model.parameters()))

📊 模型大小对比

后缀	含义
n	nano（最小）
s	small
m	medium
l	large
x	extra large

---

🧠 重要规律

👉 参数越多：

• ✔ 精度更高
• ❌ 速度更慢
• ❌ 更吃显存

---

⏱ 20:56 - 23:10｜模型选择建议

🎯 推荐入门

• YOLOv8
• YOLOv11

👉 结构清晰 + 支持完整

---

⚠️ 注意

👉 版本高 ≠ 一定更好

---

⏱ 26:27 - 26:57｜预测选项总结

👉 你需要掌握：

• 什么是预测选项
• 去哪里查（官方文档）https://docs.ultralytics.com/zh/modes/predict/#inference-sources
• 怎么加（写一行参数）

---

🔥 最终总结:YOLO推理三要素

👉 缺一不可

1. 模型（model）
2. 目标（source）
3. 选项（args）