实现目标检测、图像分割的模型。它发展了一系列的版本，最新的几个版本yolo26, yolo11, yolo8是ultralytics开发的。
官网: https://docs.ultralytics.com/
代码库: https://github.com/ultralytics/ultralytics
我们研究最新的yolo26/yolo11
它要求Python >= 3.8 Pytorch >= 1.8
安装Pytorch
$ pip install torch
安装yolo
$ pip install ultralytics
yolo支持自己训练模型，官方也发布训练好之后的模型。模型下载地址在：
https://github.com/ultralytics/assets/releases
yolo26l.pt
后缀有几种，表示模型参数多少。参数越少精确越差，速度越快。
n/nano
s/small
m/medium
l/large
x/x-large
它还有一些特定功能的模型，比如yolo26n-seg.pt
-cls 图片分类
-pose 姿态
-seg 实例分割
yolo命令，可以通过命令行参数的形式，进行模型的操作。
帮助文档：https://docs.ultralytics.com/usage/cli
使用非常简单：
$ yolo task mode args
task: detect/segment/semantic/classify/pose/obb
mode: train/val/predict/export/track/benchmark
args: key=value
task表示任务的类型，可以根据这个是可选的。可以根据模型来自动选择。
detec检测
classify分类
mode有
train 训练
val validate验证模型的精确度
predict 预测
export 导出为其它格式的模型
预测例子：
$ yolo predict model=yolo26n-cls.pt source=bus.jpg
from ultralytics import YOLO
model = YOLO("yolo11x-cls.pt")
results = model("turtle.webp")