全网最详细yolo模型环境搭建教程，亲测可用！！！

目录

1.安装anaconda3

2.安装pycharm

3.安装CUDA

4.安装cudnn

5.在conda中创建新的yolo环境并下载python3.10

6.安装GPU版本的pytorch

7.下载yolov8源码

8.测试yolo模型环境搭建是否成功

---

1.安装anaconda3

        清华镜像下载地址

Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

2.安装pycharm

        下载 PyCharm：JetBrains 出品的用于数据科学和 Web 开发的 Python IDE

3.安装CUDA

        (1)使用win+R输入cmd打开命令行窗口

        (2)在命令行窗口输入nvidia-smi查看自己电脑显卡驱动支持的最高CUDA版本

        (3)下载CUDA

CUDA Toolkit Archive | NVIDIA Developer

        注意：CUDA强烈建议安装在C盘

        (4)输入下面指令查看CUDA是否安装成功

nvcc --version

4.安装cudnn

        cuDNN Archive | NVIDIA Developer

        (1)解压cudnn文件

        (2)打开CUDA文件路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8

        (3)将cudnn解压出的bin、include、lib三个文件夹覆盖到CUDA的 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8 目录中

5.在conda中创建新的yolo环境并下载python3.10

        (1)win+s后输入anaconda prompt

        (2)在终端输入下面命令来修改后续需要下载pytorch的来源

conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple

        (3)创建新的yolo环境，并下载python3.10

conda create -n yolov11 python=3.10

        最终下图结果为yolo环境创建完成

        (4)创建环境完成后输入下面指令进入环境

conda activate yolov11

        (5)输入下面指令安装numpy

pip install numpy==1.26.3 -i https://pypi.tuna.tsinghua.edu.cn/simple

6.安装GPU版本的pytorch

        (1)输入下面指令安装pytorch

pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 --extra-index-url https://download.pytorch.org/whl/cu118

        (2)验证pytorch是否安装成功

        <1>命令行输入：python

        <2>命令行输入下面命令：

import torch
print(torch.__version__)              # 看 PyTorch 版本
print(torch.cuda.get_device_name(0))  # 显卡型号
print(torch.version.cuda)             # PyTorch 内置的 CUDA 版本

        (3)输入下面指令安装ultralytics库

pip install ultralytics

7.下载yolov8源码

        GitHub - ultralytics/ultralytics: Ultralytics YOLO 🚀 · GitHub

        解压完后用pycharm打开ultralytics-main

8.测试yolo模型环境搭建是否成功

        (1)下载一张布偶的照片到  D:\yolo\ultralytics-main  路径下

        (2)在 D:\yolo\ultralytics-main  路径下增加测试代码

from ultralytics import YOLO
model = YOLO('yolo26n.pt')
source = 'D:/yolo/ultralytics-main/cat.jpg' #图片路径
model.predict(source, save=True)

        (3)执行代码产生结果

        预测结果默认保存在 .../runs/detect/predict目录下

        备注：此博客复刻 笑脸惹桃花 

目标检测：YOLOv11(Ultralytics)环境配置，适合0基础纯小白，超详细-CSDN博客

请大家多多关注此博主，谢谢！！！感谢博主！！大家有什么问题在评论区留言！