notebooks

云端一键跑通 YOLO 训练与推理全流程

这是 Ultralytics 官方维护的 YOLO 系列教程笔记本合集，主要面向 Colab、Kaggle 和 SageMaker 等云端环境。项目解决的是用户快速上手 YOLO 模型训练、推理、导出及各类视觉任务的需求，通过 Jupyter Notebook 提供交互式示例，覆盖目标检测、实例分割、姿态估计、图像分类和物体追踪等核心场景。每个笔记本都包含从数据准备、模型训练到结果可视化的完整流程，并针对不同平台做了环境适配，用户可以直接在云端运行，无需本地配置复杂环境。项目适合初学者快速体验 YOLO 能力，也方便开发者参考标准流程进行二次开发。

开源 free 计算机视觉

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 243

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类计算机视觉

开发团队ultralytics

所属国家

官网地址https://docs.ultralytics.com

GitHubhttps://github.com/ultralytics/notebooks

定价模式free

价格说明开源教程仓库，全部内容免费，无付费版本。

访问状态

是否开源是

开源协议AGPL-3.0

主要语言Jupyter Notebook

技术栈/模型computer-vision,examples,google-colab,jupyter-notebook,kaggle,model-export,model-training,object-detection,object-tracking,pose-estimation,sagemaker,segmentation,tutorials,ultralytics,yolo,yolo11

GitHub 星标★ 243

30天Star增速

HF 下载量

上线时间2024-08-26 00:00:00

最近更新2026-09-22 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-10

浏览次数5

使用教程

核心亮点

官方出品，与 Ultralytics YOLO 版本同步更新，示例代码可靠性高
覆盖 Colab、Kaggle、SageMaker 三大主流云端平台，开箱即用
教程内容系统，从训练、推理到模型导出和追踪任务一应俱全

不足之处

教程依赖云端环境，本地运行需自行配置依赖
部分笔记本示例较简单，高级调参和部署细节覆盖不足

适用场景

在 Colab 免费 GPU 上快速训练自定义目标检测模型
在 Kaggle 竞赛中参考官方流程处理视觉任务
在 SageMaker 上部署 YOLO 模型进行生产级推理

替代项目

YOLOv5 Tutorial Notebooks、Roboflow Notebooks、Hugging Face Vision Tutorials

项目介绍

notebooks 是计算机视觉领域的开源项目，由 ultralytics 开发，2024 年首次发布。

它收录于计算机视觉分类，该分类目前共有 447 个项目，GitHub 星标数为 243。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-22。开源教程仓库，全部内容免费，无付费版本。

它主要面向的使用场景是：在Colab免费GPU上快速训练自定义目标检测模型。同类可对比的替代方案包括 YOLOv5 Tutorial Notebooks、Roboflow Notebooks、Hugging Face Vision Tutorials。

上一篇：xview-yolov3

下一篇：techniques