PyCharm中搭建PyTorch和YOLOv10开发环境

经典项目参考:https://blog.csdn.net/qq_42589613/article/details/130941899

环境准备(安装Anaconda和PyCharm)、

创建虚拟环境、

安装PyTorch(区分GPU和CPU版本)、

获取YOLOv10源码、

安装项目依赖、

配置PyCharm解释器、

验证环境是否正常工作

一、环境准备(系统级配置)​

  1. ​安装 Anaconda​

2.配置 CUDA 和 cuDNN(GPU用户必做)​

  • 检查显卡驱动兼容性:命令行输入 nvidia-smi,确认 CUDA 版本

官网下载:CUDA

二、创建虚拟环境​

步骤 1: 克隆项目仓库

首先,使用 Git 克隆 YOLOv10 项目仓库到您的本地机器:

bash 复制代码
git clone https://github.com/THU-MIG/yolov10.git
cd yolov10

步骤 2: 创建虚拟环境

建议使用 Conda 创建一个虚拟环境,以避免依赖冲突:

bash 复制代码
# 打开 Anaconda Prompt
conda create -n yolov10 python=3.9  # 创建 Python 3.9 环境
conda activate yolov10              # 激活环境

步骤 3: 安装依赖项

在激活的虚拟环境中,安装项目所需的依赖项:

bash 复制代码
pip install -r requirements.txt
bash

步骤 4: 验证安装

安装完成后,您可以通过运行以下命令来验证安装是否成功:

bash 复制代码
python app.py

📌 注:Python 3.9 是 YOLOv10 的推荐版本

​三、安装 PyTorch(GPU/CPU 版本)​

  • ​GPU 版本​​(需匹配 CUDA 版本):

    bash 复制代码
    # CUDA 11.8 示例
    pip install torch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 --index-url https://download.pytorch.org/whl/cu118
    
    如果安装失败,可以安装其它版本:
    pip install torch==2.7.1+cu118 torchvision==0.18.1+cu118 torchaudio==2.7.1+cu118 --index-url https://download.pytorch.org/whl/cu118
  • ​CPU 版本​​:

    bash 复制代码
    pip install torch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1

💡 验证安装:在 Python 终端运行:

复制代码
import torch print(torch.__version__, torch.cuda.is_available()) # 输出 True 表示 GPU 可用

​四、安装 YOLOv10 及依赖​

  1. ​克隆源码​​:

    bash 复制代码
    git clone https://github.com/THU-MIG/yolov10.git
    
    
    git clone https://gitcode.com/GitHub_Trending/yo/yolov10
    
    cd yolov10

    若安装失败,尝试:

bash 复制代码
pip uninstall -y -r requirements.txt  # 卸载冲突包
pip install --upgrade --no-deps -r requirements.txt  # 跳过依赖检查

五、PyCharm 环境配置​

  1. ​打开项目​​:

    PyCharm → Open→ 选择 yolov10项目目录。

  2. ​配置解释器​​:

    • FileSettingsProject: yolov10Python Interpreter

    • 点击 ⚙️ → Add InterpreterConda Environment→ 选择 Existing environment

    • 路径指向:Anaconda3/envs/yolov10/python.exe(Windows)或 ~/anaconda3/envs/yolov10/bin/python(Linux/macOS)。

  3. ​验证路径​​:

    在 PyCharm 终端运行 conda info --envs,确认激活 yolov10环境。


🧪 ​​六、验证环境​

相关推荐
StarPrayers.13 小时前
基于PyTorch的CIFAR10加载与TensorBoard可视化实践
人工智能·pytorch·python·深度学习·机器学习
程序猿小D1 天前
【完整源码+数据集+部署教程】医疗设备显示器图像分割系统: yolov8-seg-C2f-SCConv
python·yolo·计算机视觉·数据集·yolov8·医疗设备显示器图像分割系统
西柚小萌新2 天前
【深入浅出PyTorch】--3.1.PyTorch组成模块1
人工智能·pytorch·python
西猫雷婶2 天前
random.shuffle()函数随机打乱数据
开发语言·pytorch·python·学习·算法·线性回归·numpy
深栈2 天前
机器学习:线性回归
人工智能·pytorch·python·机器学习·线性回归·sklearn
蒋星熠2 天前
TensorFlow与PyTorch深度对比分析:从基础原理到实战选择的完整指南
人工智能·pytorch·python·深度学习·ai·tensorflow·neo4j
GitNohup2 天前
docker快速使用yolov11
yolo
西西弗Sisyphus2 天前
YOLO 11 图像分类推理 Web 服务
yolo·分类·yolo 11
小蕾Java2 天前
PyCharm保姆级详细使用手册(Python新手快速上手篇)
ide·python·pycharm