深度学习数据格式转化

准备好自己的数据集，并按照Mask RCNN模型要求的数据集格式进行格式转化。本次模型的复现，使用的是COCO2017数据集，如果想用自己的数据集进行模型训练，可以将自己的数据集按照COCO格式进行转化。如果想使用COCO2017数据集进行代码的初步测试，可以去官网下载该数据集。

在进行代码复现时，本想在YOLOv8模型环境的基础上添加部分环境依赖实现对YOLOv11模型的训练，但是在这个过程中出现了很多的问题。所以，建议在运行不同代码时，必须新建一个合适的虚拟环境，避免出现各种不应该出现的问题。开始创建虚拟环境：

准备好自己的数据集，并按照Mask RCNN模型要求的数据集格式进行格式转化。本次模型的复现，使用的是COCO2017数据集，如果想用自己的数据集进行模型训练，可以将自己的数据集按照COCO格式进行转化。如果想使用COCO2017数据集进行代码的初步测试，可以去官网下载该数据集。

文件后，环境中的torch版本会被修改，变成基于cpu的版本，此版本也可以使用，但是使用CPU进行计算速度不如GPU，所以需要卸载现有环境中基于CPU的torch，然后重新再次执行一下torch的安装代码。完成numpy的安装之后，在下载的torch环境依赖包的根目录下，在路径中输入cmd，打开Command Prompt，然后再激活虚拟环境。此版本的下载，无法直接通过pip从官网进行下载，需要在

深度学习数据格式转化

在进行代码复现时，本想在YOLOv8模型环境的基础上添加部分环境依赖实现对YOLOv11模型的训练，但是在这个过程中出现了很多的问题。所以，建议在运行不同代码时，必须新建一个合适的虚拟环境，避免出现各种不应该出现的问题。开始创建虚拟环境：

准备好自己的数据集，并按照Mask RCNN模型要求的数据集格式进行格式转化。本次模型的复现，使用的是COCO2017数据集，如果想用自己的数据集进行模型训练，可以将自己的数据集按照COCO格式进行转化。如果想使用COCO2017数据集进行代码的初步测试，可以去官网下载该数据集。

首先，在任务管理器中确认系统的虚拟化是否开启。确认开启后，接下来进入wsl的安装，本文在进行此项安装时，全程开着科学上网！！！。打开命令提示符（必须以管理员身份运行，否则会出现“权限不足”的报错信息），然后下列代码，启用wsl 。上述代码执行完毕后，输入下列代码，启用虚拟机平台。上述代码执行完毕后，将电脑进行重启。重启完毕后，再次以管理员的身份运行命令提示符，然后输入下列代码。【注意】此处在进行时