如何在pycharm中使用Yolo

✅ 前提条件

已安装 Python 3.8+（建议 3.9~3.11）
已安装 PyCharm（社区版或专业版均可）
确保 pip 是最新版本

🛠️ 步骤一：创建项目并配置 Python 解释器（使用 venv）

1. 打开 PyCharm → 创建新项目

选择 "New Project"
项目名称如 yolo_project
在 "Python Interpreter" 部分：
- 选择 "New environment using Virtualenv"（PyCharm 默认使用 venv）
- 确保 Base interpreter 指向你安装的 Python（如 python3.10）
- 勾选 "Inherit global site-packages" 不要勾选（保持干净环境）

⚠️ 注意：这里使用的是 Python 内置的 venv，不是 conda。

2. 等待项目创建完成

PyCharm 会自动创建一个 .venv 文件夹（或 venv），包含独立的 Python 环境。

📦 步骤二：安装 YOLO 所需依赖

1. 打开 PyCharm 终端（Terminal）

底部菜单栏 → Terminal（或快捷键 Alt+F12）
确保当前激活的是项目虚拟环境（终端提示符前应有 (yolo_project) 或类似）

2. 升级 pip（可选但推荐）

python 复制代码

python -m pip install --upgrade pip

3. 安装 Ultralytics（YOLOv8 官方库）

python 复制代码

pip install ultralytics

这个包会自动安装 PyTorch、torchvision、opencv-python、numpy 等依赖。
💡 如果你有 GPU 并希望使用 CUDA，请先确认你的 CUDA 版本，然后按需安装对应 PyTorch。例如：

python 复制代码

# 示例：CUDA 11.8
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
pip install ultralytics

否则，默认会安装 CPU 版本的 PyTorch。

🧪 步骤三：验证安装

在 PyCharm 中新建一个 Python 文件，例如 test_yolo.py，输入以下代码：

python 复制代码

from ultralytics import YOLO

# 加载预训练模型（首次运行会自动下载）
model = YOLO("yolov8n.pt")

# 运行预测（可选：替换为你自己的图片路径）
results = model.predict(source="https://ultralytics.com/images/bus.jpg", save=True)
print("预测完成，结果保存在 runs/detect 目录下")

运行该脚本：

首次运行会下载 yolov8n.pt（约几 MB）
成功运行说明环境配置正确！

运行该脚本将会自动下载bus.jpg图像，图像内容为：

经过yolo识别后，在runs/detect/predict/bus.jpg中输出如下的图像内容。

📁 步骤四：（可选）管理依赖（生成 requirements.txt）

在终端中执行：

python 复制代码

pip freeze > requirements.txt

这样便于以后复现环境。

🔒 注意事项

不要混用 conda 和 pip（既然不用 conda，就全程用 pip + venv）
如果遇到权限问题，在 Windows 上以普通用户运行即可；Linux/macOS 避免使用 sudo pip
若 PyCharm 未识别虚拟环境，可手动设置：
- File → Settings → Project → Python Interpreter → Add → Existing Environment → 指向 .venv/bin/python（Linux/macOS）或 .venv\Scripts\python.exe（Windows）

✅ 总结

步骤	操作
1	PyCharm 新建项目，使用内置 venv
2	终端中 `pip install ultralytics`
3	编写测试脚本验证 YOLO 能运行
4	（可选）导出 `requirements.txt`

这样你就成功在 不使用 Conda/Miniconda 的情况下，在 PyCharm 中部署了 YOLO 的运行环境！