YOLO11/ultralytics：环境搭建

前言

人工智能物体识别行业应该已经饱和了吧？或许现在并不是一个好的入行时候。

最近看到了各种各样相关的扩展应用，为了理解它，我不得不去尝试了解一下。

我选择了git里非常受欢迎的yolo系列，并尝试了最新版本YOLO11或者叫它ultralytics

安装

在git里，官方主页留的安装方案并不怎么友好，如下图：

实际上，你需要做的更多：

1、单独安装符合你电脑GPU规格的pytorch：

如我之前的博客：pytorch-gpu版本安装_搭建pytorch环境(gpu版本)-CSDN博客

2、着手安装ultralytics

这是建议至少安装的模块

复制代码

pip install ultralytics
pip install onnx>=1.12.0
pip install onnxslim
pip install onnxruntime
pip install opencv-python

这是我个人的requirements.txt，可以稍微当作参考

基于python3.9

复制代码

certifi==2024.12.14
charset-normalizer==3.4.1
colorama==0.4.6
coloredlogs==15.0.1
contourpy==1.3.0
cycler==0.12.1
filelock==3.17.0
flatbuffers==25.1.24
fonttools==4.55.6
fsspec==2024.12.0
humanfriendly==10.0
idna==3.10
importlib_resources==6.5.2
Jinja2==3.1.5
kiwisolver==1.4.7
labelImg==1.8.6
lxml==5.3.0
MarkupSafe==3.0.2
matplotlib==3.9.4
mpmath==1.3.0
networkx==3.2.1
numpy==2.0.2
onnx==1.17.0
onnxruntime-gpu==1.19.2
onnxslim==0.1.48
opencv-python==4.11.0.86
packaging==24.2
pandas==2.2.3
pillow==11.1.0
protobuf==5.29.3
psutil==6.1.1
py-cpuinfo==9.0.0
pyparsing==3.2.1
PyQt5==5.15.11
PyQt5-Qt5==5.15.2
PyQt5_sip==12.16.1
pyreadline3==3.5.4
python-dateutil==2.9.0.post0
pytz==2024.2
PyYAML==6.0.2
requests==2.32.3
scipy==1.13.1
seaborn==0.13.2
six==1.17.0
sympy==1.13.1
torch @ file:///E:/PycharmProjects/00_WhlPackage/python3.9/torch-gpu/torch-2.5.1%2Bcu118-cp39-cp39-win_amd64.whl
torchvision @ file:///E:/PycharmProjects/00_WhlPackage/python3.9/torch-gpu/torchvision-0.20.1%2Bcu118-cp39-cp39-win_amd64.whl
tqdm==4.67.1
typing_extensions==4.12.2
tzdata==2025.1
ultralytics==8.3.68
ultralytics-thop==2.0.14
urllib3==2.3.0
zipp==3.21.0