拿到项目之后，
一步一步来。
完整教程、数据、代码、模型和实验模板均已开放，无需购买、不扣积分。先按教程完成第一步，再继续安装与训练。
先把第一步做完
打开第一课，对照原图与预测图，说清模型做了什么、没有做什么。
进入第一课 →下载项目与检查环境
完整教学包包含逐步教程、实验记录模板、数据、代码、模型和演示界面。解压到 D:\citrus_project 等短路径，打开“开始学习.html”；首次安装依赖需要联网。
下载完整教学包（约 43 MB，免费）
v1.0.2 · 包含离线教程与实验模板
SHA256：5d45404caec6c40d845e8d44bcbaa285a72302adfbbde3d53edd1894fba3de83首次运行，别跳过安装这一步
- 解压完整包后，先双击 INSTALL.cmd。
- 显示“未开始安装 / 找不到 Python”？不用等，按完整教程第 2.1 节准备 Python。
- 看到“安装成功 / PASS / READY”后，再双击 START_DEMO.cmd。
- “按任意键”只是暂停提示，要看它上方是成功还是失败。
v1.0.2 的启动文件会在环境未准备好时自动进入安装。旧包不会随网页更新，请重新下载新版并解压到新的短目录。
项目文件夹
开始学习.html · 实验记录模板.html
INSTALL.cmd / START_DEMO.cmd
data/ · models/ · samples/
prepare_dataset.py / run_yolo.py
demo.py / demo.html
examples/ · reference/ · licenses/v1.0.2 完整包目录；软件、模型与数据许可保留在包内。先体验预测结果
运行 START_DEMO.cmd 后，在本机网页选择图片并点击检测，可保存带框图片与 JSON。下面是该模型已有的真实输出。
对照成功与误检样例 →跟着教程自己训练
按“环境 → 数据检查 → 小规模试跑 → 训练 → 测试”的顺序操作。每一步成功后再继续，并保存自己的日志。
- 准备环境，把文件放对位置
从文件夹开始，每一步都有成功标志。
- 检查数据，读懂目标框
图片、标签配对，先检查再训练。
- 先试跑，再完成一次训练
从小规模试跑确认环境，再进行基线训练。
- 预测新图片，理解正确与错误
对照真实输出，学会解释误检。
整理实验与排错
查看答疑与安装协助说明 → 免费自助排错现已提供；人工服务尚未开售。
命令提示找不到文件
先确认终端当前目录，检查文件名、后缀及解压后是否多套了一层文件夹。不要先改训练代码。
预测出来的类别不对
保留这张图片和预测结果，检查类别编号、图片分布及训练记录。示例模型会出错，不能用某一张图的置信度替代整体评估。
我的成绩和示例不一样
记录数据版本、划分、运行环境、随机种子和参数。以自己的实际结果为准，先定位差异，再设计改进。