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)

下载后放到本地路径,例如:

复制代码
/Users/marks/work/yolo/models/yolov8n.pt
  1. 测试图片下载

    例如官方示例图片:

保存到:

复制代码
/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:

复制代码
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)

复制代码
# === 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)

复制代码
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:

    复制代码
    /Users/marks/work/yolo/models/yolov8n.pt
  • 在代码里手动加载:

    复制代码
    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:

    复制代码
    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:

    复制代码
    /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:

    复制代码
    python -m ipykernel install --user --name yolov8 --display-name "Python (yolov8)"
  • 重新启动 Jupyter:

    复制代码
    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):

复制代码
pip install torch ultralytics jupyter

这样体积更小,适合轻量测试。


相关推荐
jay神10 小时前
基于 YOLOv8 的传送带异物检测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机视觉·计算机毕业设计
jay神3 天前
基于 YOLOv8 的手势识别系统(Web 版)
前端·人工智能·python·深度学习·yolo·计算机视觉·计算机毕业设计
鱼听禅3 天前
Ubuntu安装YOLOv8进行菌落识别训练
linux·python·yolo·ubuntu
jay神5 天前
基于深度学习的交通流量预测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机毕业设计
带电的小王6 天前
YOLO27:官方预览页放出全部规格,60.5 mAP 破 YOLO 纪录,但权重还没发布
yolo
jay神6 天前
基于 YOLOv8 的轴承缺陷检测(Web 版)
前端·人工智能·yolo
jay神6 天前
基于 YOLOv8 的森林火灾检测系统(Web 版)
前端·yolo
微尘hjx6 天前
【Deep-OC-SORT 06】多轨迹算法Deep-OC-SORT-CMC相机运动补偿
yolo·目标检测·目标跟踪·ultralytics·轨迹算法·deep-oc-sort·车流统计
LongRunning7 天前
【Linux】RK3568-OpenCV+YOLO(八)
linux·opencv·yolo
微尘hjx11 天前
【Deep-OC-SORT 01】多轨迹算法Deep-OC-SORT源码分析
深度学习·yolo·目标跟踪·ultralytics·轨迹算法·deep-oc-sort·车流统计