基于 Gradio 和 Ultralytics 的 YOLO 模型可视化训练管理平台，提供数据集管理、模型下载、训练配置等功能。

• 🗂️ 数据集管理: 支持压缩包上传、结构验证、元数据管理
• 🤖 模型管理: 预训练模型下载、训练模型管理、统一元数据
• 🏋️ 训练配置: 任务约束选择、超参数配置、实时 TOML 预览
• 📊 可视化界面: 基于 Gradio 的现代化 Web 界面
• 🔄 多任务支持: 图像分类、目标检测、图像分割、关键点跟踪、旋转框检测

• Python 3.13+
• PyTorch (建议 CUDA 支持)
• 8GB+ RAM (训练时)

# 克隆项目
git clone <repository-url>
cd yoloradio

# 安装依赖 (使用 uv)
uv sync

# 或使用 pip
pip install -e .

# 激活虚拟环境 (uv)
source .venv/bin/activate  # Linux/Mac
# 或
.venv\Scripts\activate     # Windows

# 启动应用
python main.py

访问 http://localhost:7860 开始使用。

yoloradio/
├── main.py                 # 应用入口
├── yoloradio/             # 核心模块
│   ├── __init__.py
│   ├── paths.py           # 路径配置
│   ├── utils.py           # 工具函数
│   ├── pages_home.py      # 主页
│   ├── pages_datasets.py  # 数据集管理
│   ├── pages_models.py    # 模型管理
│   ├── pages_train.py     # 训练配置
│   ├── pages_val.py       # 验证页面
│   ├── pages_export.py    # 导出页面
│   └── pages_quick.py     # 快速应用
├── Datasets/              # 数据集目录 (git ignored)
├── Models/                # 模型目录 (git ignored)
│   ├── pretrained/        # 预训练模型
│   └── trained/           # 训练模型
├── runs/                  # 训练日志 (git ignored)
├── pyproject.toml         # 项目配置
└── README.md              # 项目文档

1. 上传数据集: 支持 .zip/.tar.gz 格式，自动验证结构
2. 数据集类型:
   • 图像分类 (classify)
   • 目标检测 (detect)
   • 图像分割 (segment)
   • 关键点跟踪 (pose)
   • 旋转检测框 (obb)
3. 元数据: 自动生成 .yml 文件记录类型、描述等信息

1. 预训练模型: 从 Ultralytics 下载 YOLOv8/v11 预训练权重
2. 训练模型: 管理本地训练生成的模型
3. 元数据: 记录任务类型、版本、描述等信息

1. 任务选择: 选择任务类型，自动过滤兼容的数据集和模型
2. 超参数: 核心参数 + 高级参数折叠面板
3. 实时预览: 参数变更实时生成 TOML 配置预览

• paths.py: 定义项目路径常量
• utils.py: 核心工具函数 (文件操作、数据集处理、模型管理)
• pages_*.py: 各页面渲染逻辑

1. 新增页面: 在 yoloradio/ 下创建 pages_xxx.py，实现 render() 函数
2. 注册路由: 在 main.py 中添加路由配置
3. 工具函数: 在 utils.py 中添加通用功能

数据集元数据 (Datasets/<name>.yml):

type: detect # 任务类型
name: my_dataset # 数据集名称
description: "..." # 描述
created_at: "..." # 创建时间

模型元数据 (Models/*/model.yml):

task: detect # 任务类型
version: v11 # YOLO版本
size: n # 模型大小
description: "..." # 描述
created_at: "..." # 创建时间

1. Fork 项目
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送分支 (git push origin feature/AmazingFeature)
5. 创建 Pull Request

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。

• Ultralytics - YOLO 实现
• Gradio - Web 界面框架