YOLOv8 mac-intel芯片 部署指南

🚀 在 Jupyter Notebook 和 PyCharm 中使用 Conda 虚拟环境（YOLOv8 部署指南，Python 3.9）

YOLOv8 是 Ultralytics 开源的最新目标检测模型，轻量高效，支持分类、检测、分割等多种任务。

在 Mac（Intel 芯片）上部署 YOLOv8，我们推荐用 conda 虚拟环境（Python 3.9） 来管理依赖，并在 Jupyter / PyCharm 中使用。

这篇文章带你完整走一遍：

👉 环境安装 → 模型手动下载 → Jupyter 配置 → PyCharm 配置 → 验证运行。

---

🐍 一、创建 Conda 虚拟环境并安装 YOLOv8

1. 创建环境（指定 Python 3.9）

   conda create -n yolov8 python=3.9 -y
   conda activate yolov8

2. 安装依赖

   pip install torch torchvision torchaudio
   pip install ultralytics
   pip install jupyter ipykernel

⚠️ 说明：

YOLOv8 默认会从 GitHub 下载模型文件（如 yolov8n.pt），但国内经常超时。推荐 手动下载模型文件 并放在本地。

---

📥 二、手动下载 YOLOv8 模型和测试图片

1. 模型文件下载地址（Ultralytics 官方）

• yolov8n.pt （Nano版，适合测试）

• 更多模型

下载后放到本地路径，例如：

/Users/marks/work/yolo/models/yolov8n.pt

1. 测试图片下载

   例如官方示例图片：

• bus.jpg

保存到：

/Users/marks/work/yolo/images/bus.jpg

---

📓 三、在 Jupyter Notebook 中使用 yolov8 环境

1. 把环境注册为 Jupyter 内核：

   python -m ipykernel install --user --name yolov8 --display-name "Python (yolov8)"

2. 启动 Jupyter：

   jupyter notebook

3. 新建 Notebook → 选择内核 Python (yolov8)

4. 测试 YOLOv8 运行：

   from ultralytics import YOLO

   加载本地模型

   model = YOLO("/Users/marks/work/yolo/models/yolov8n.pt")

   测试推理

   results = model("/Users/marks/work/yolo/images/bus.jpg")
   results.show() # 显示预测结果

---

💻 四、在 PyCharm 中使用 yolov8 环境

1. 打开 Preferences → Project: your_project → Python Interpreter

2. 选择 Add... → Conda Environment → Existing environment

3. 指定解释器路径，例如：

   /Users/marks/anaconda3/envs/yolov8/bin/python

4. 点击确认，PyCharm 就会用 yolov8 环境。

---

✅ 五、验证环境是否正常

无论在 Jupyter 还是 PyCharm，运行以下代码验证环境：

import torch
print("PyTorch 版本:", torch.__version__)
print("CUDA 是否可用:", torch.cuda.is_available())

from ultralytics import YOLO
model = YOLO("/Users/marks/work/yolo/models/yolov8n.pt")
print("YOLOv8 模型加载成功 ✅")

如果能正确输出，就说明部署成功啦 🚀

---

🖼️ 六、YOLOv8 模型测试（本地模型 + 图片）

当环境配置完成后，我们可以用 本地模型文件 和 测试图片 来验证 YOLOv8 是否正常运行。

---

1. 命令行验证（推荐快速测试）

# === 验证安装 (使用本地模型和图片) =================
MODEL_PATH="/Users/emilie/work/yolo/models/yolov8n.pt"
IMAGE_PATH="/Users/emilie/work/yolo/images/bus.jpg"

echo ">>> 使用本地权重和图片验证 YOLOv8 安装是否成功"
yolo predict model=$MODEL_PATH source=$IMAGE_PATH

echo ">>> 如果在 runs/predict 下看到 bus.jpg 检测结果，说明环境安装成功！"

运行后，YOLOv8 会自动在 runs/predict/ 下生成预测结果图片，打开即可看到目标检测效果 ✅

---

2. Python 代码验证（适合二次开发）

from ultralytics import YOLO

# 加载本地模型（手动下载的 yolov8n.pt）
model = YOLO("/Users/marks/work/yolo/models/yolov8n.pt")

# 使用本地图片进行推理
results = model("/Users/marks/work/yolo/images/bus.jpg")

# 显示预测结果
results.show()

# 保存预测结果到指定目录
results.save("/Users/marks/work/yolo/results/")

---

模型输出图片结果：

---

❓ 七、常见问题（FAQ）

Q1: YOLOv8 模型下载失败怎么办？

A:

• 直接去 Ultralytics 官方 Release 手动下载 .pt 文件；

• 把模型放到本地路径，例如：

  /Users/marks/work/yolo/models/yolov8n.pt

• 在代码里手动加载：

  model = YOLO("/Users/marks/work/yolo/models/yolov8n.pt")

---

Q2: CUDA 是否可用？如何在 CPU 上运行？

A:

• Mac Intel 芯片 没有 CUDA 支持，只能用 CPU 推理。

• 可以通过以下代码检查：

  import torch
  print(torch.cuda.is_available())  # 输出 False 表示 CPU 模式

• 如果需要 GPU 加速，可以考虑换到支持 CUDA 的 Linux/Windows + NVIDIA GPU 环境。

---

Q3: PyCharm 里没有找到 yolov8 环境怎么办？

A:

• 打开 Preferences → Project → Python Interpreter → Add...

• 选择 Conda Environment → Existing environment

• 浏览到路径：

  /Users/marks/anaconda3/envs/yolov8/bin/python

• 保存即可。

---

Q4: Jupyter Notebook 内核没有 yolov8 怎么办？

A:

• 确保已经执行过：

  python -m ipykernel install --user --name yolov8 --display-name "Python (yolov8)"

• 重新启动 Jupyter：

  jupyter notebook

• 在 Notebook 界面 Kernel → Change Kernel 选择 "Python (yolov8)"。

---

Q5: 环境太大了，能不能只安装最小依赖？

A:

可以只装必要依赖（CPU 版本）：

pip install torch ultralytics jupyter

这样体积更小，适合轻量测试。

---