1、VScode添加python解释器（可以通过快捷键Ctrl+Shift+P），或者如下流程（本流程python解释器使用pycharm建立的空白虚拟环境（python3.8.20 yolov11），空白虚拟环境仅包含python环境，不包括pytorch、torchvision等环境）：

2、配置完成，新建一个控制终端查看python解释器环境，如下所示：

3、进入pytorch/yolo11目录，运行如下命令，新建文件目录并在线下载yolov11的源码（注意：保持PC的网络连接），如下图所示：

mkdir 0_yolo11

git clone -b main https://github.com/ultralytics/ultralytics.git 0_yolo11

4、运行如下指令，在线安装yolov11依赖的工具与软件（pytorch和torchvision也在该依赖中）。如下图所示：

pip install ultralytics

5、在0_yolo11目录下新建train_test.py的训练脚本文件，并在命令行运行该脚本文件，进行coco数据集的训练。（注意：由于官方权重模型yolo11s.pt本身基于coco数据集，因此本次训练速度很快）如下图所示：

6、运行完成后，在0_yolo11的runs\detect\train\weights子目录下生成best.pt的模型文件，如下图所示：

7、在0_yolo11/ultralytics/data目录下，新建images文件夹，并拷贝测试图到该目录。

8、在0_yolo11目录下新建detect_test.py的推理脚本文件，并在命令行运行该推理脚本文件，如下图所示：

9、在0_yolo11的runs\detect\predict子目录下生成bus.jpg的推理结果，如下图所示：