本文介绍了在Conda+Python3.11环境下配置CPU版PyTorch和Ultralytics的完整流程。首先创建名为ultralytics的虚拟环境并激活，安装CPU版PyTorch后以开发模式安装Ultralytics。通过验证脚本检查环境配置，包括PyTorch版本、CUDA状态和YOLOv11模型加载。

U-net由18个3x3卷积层组成，其中包含批处理归一化和校正线性单元(ReLU)， 4个2x2 max池化，4个2x2 up卷积层和1个1x1卷积层。前半部分是收缩图像。每次在最大池化之前，U-net都会截取部分输出，并将其保留到U-net的后半段。在U-net的后半部分，在每一步中，它首先进行2x2向上卷积，然后将前半部分的裁剪部分连接到层输出。U-Net于2015年提出，最初是专门为医学图像