YOLOv8（1）环境搭建

文章目录

前言
前置环境安装-miniconda
前置环境安装-pytorch
[(ultralytics) yolo v8 安装](#(ultralytics) yolo v8 安装)

前言

确保所使用镜像源用当前网络能正常打开！！！！！！！！！！

前置环境安装-miniconda

cpp 复制代码

镜像源:  https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/
命令:      conda create -n yolov8 python=3.8

1 进入镜像源选一个版本不那么新，符合当前设备的版本进行下载

2 打开所下载的安装程序

3 尽量安装在C盘：

4 勾选加入PATH

clike 复制代码

在cmd中输入命令 conda create -n yolov8 python=3.8
或            conda create -n yolov8 python=3.10 -y （我使用的python版本，若后面因为各自原因不兼容再重新指定）

进行环境创建。

-n 为指定环境的名字

python=3.8 为python版本名称

clike 复制代码

conda activate yolov8   为激活环境的指令 ， 先激活才能对虚拟环境进行配置
                        另外此处的yolov8是所创建虚拟环境的名称，启动时要进行指定
                        可以自己选择不同的名称
conda deactivate        为退出当前环境

7 国内镜像源配置（如果不配置，默认从外网下载，可能会很慢）

清华大学镜像源配置 https://mirrors.tuna.tsinghua.edu.cn/help/pypi/

cpp 复制代码

使用命令： pip config set global.index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple

前置环境安装-pytorch

1 官方地址:https://pytorch.org

2 官方下载页面：https://pytorch.org/get-started/locally/

3 打开NVIDIA 控制面板，查看此当前使用的计算机支持的最大CUDA版本，选择的安装指令后的CUDA版本参数必须低于所支持的最大CUDA版本。

另外需注意自己显卡的名称

如果是16XX的显卡，安装cu10.2的版本，否则可能训练出现问题

如果是 30XX、40XX显卡，要安装cu11.1以上的版本，否则无法运行

4 在符合前面选择安装指令要求的情况下，任意选一个非最新版本的Conda进行安装。

我选择的是： conda install pytorch2.5.0 torchvision0.20.0 torchaudio==2.5.0 pytorch-cuda=12.1 -c pytorch -c nvidia

5 复制命令到终端执行

6 如果只需要训练、简单推理，则无需单独安装CUDA，直接安装pytorch;如果有部署需求，例如导出TensorRT模型，则需要进行CUDA安装

7 第四步指令执行结果的验证：

验证该 conda 安装指令是否成功，核心是检查PyTorch 版本、CUDA 是否可用（GPU 环境）、配套库版本这三个维度

（1）检查 PyTorch/torchvision/torchaudio 版本

clike 复制代码

# 检查PyTorch版本
python -c "import torch; print('PyTorch版本:', torch.__version__)"

# 检查torchvision版本
python -c "import torchvision; print('TorchVision版本:', torchvision.__version__)"

# 检查torchaudio版本
python -c "import torchaudio; print('TorchAudio版本:', torchaudio.__version__)"

（2）检查 CUDA 是否适配（GPU 环境关键）

clike 复制代码

#检查CUDA是否可用（显卡支持CUDA才会返回True）
python -c "import torch; print('CUDA是否可用:', torch.cuda.is_available())"

 检查PyTorch绑定的CUDA版本
python -c "import torch; print('PyTorch绑定的CUDA版本:', torch.version.cuda)"

#检查可用的GPU数量（可选，确认显卡被识别）
python -c "import torch; print('可用GPU数量:', torch.cuda.device_count())"

#检查当前使用的GPU名称（可选）
python -c "import torch; print('GPU名称:', torch.cuda.get_device_name(0) if torch.cuda.is_available() else '无GPU')"

(ultralytics) yolo v8 安装

clike 复制代码

https://github.com/ultralytics/ultralytics

pip install ultralytics

https://github.com/ultralytics/ultralytics && unzip ultralytics-main.zip && cd ultralytics-main

pip install -e . (-e参数必须要有，否则后续修改代码无效)(.代表当前目录)

1 再 https://github.com/ultralytics/ultralytics 中下载并解压

2 用vscode打开解压后得到的文件夹作为工作台

3 在cmd中执行：

bash 复制代码

 # 进入vscode工作台文件夹
 1 cd C:\biyesheji\ultralytics-main 
 	cd /d E:\biyesheji\ultralytics-main （如果发生磁盘切换则需要使用/d）

 2
  (-e参数必须要有，否则后续修改代码无效)（推荐使用）
pip install -e . -i https://pypi.org/simple/ 
 （-i参数为使用的镜像源，这里我显示指定，如果不指定，会从配置的默认镜像源下载）
或 pip install ultralytics

4 查看是否安装成功

bash 复制代码

# 在cmd中执行 
pip list

下图说明 ultralytics源码实际安装的位置

5 测试执行

bash 复制代码

# 在cmd中执行
yolo predict model=yolov8n.pt source=ultralytics/assets/bus.jpg
# 注意这里source输入的是相对路径，确保在 ultralytics源码实际安装的位置（即工作台目录）执行才

所输入的指令

所检测的图片：

6 等待后得到检测结果