告别踩坑：Mac 从零搭建 YOLO 深度学习环境

本文参考blibli教程整理，适合零基础小白按步骤操作。

参考视频：

• MacBook M1 深度学习环境 Anaconda+PyCharm+PyTorch

• YOLO 算法实战 · 03 安装依赖包

• YOLO 算法实战 · 04 安装 ultralytics

• YOLO 算法实战 · 05 基础术语简介

• YOLO 算法实战 · 06 初体验

一、YOLO简介

1.1 YOLO是干什么的？

YOLO（You Only Look Once） 是目前最流行的目标检测算法之一，可以用来：

• 识别图片/视频里的物体（人、车、猫狗等）

• 训练自己的检测模型（比如识别特定产品、缺陷检测）

• 做实时摄像头检测、跟踪等应用

要跑 YOLO，你需要先搭建 Python 深度学习环境，包括：

工具	作用
Anaconda	管理 Python 版本和虚拟环境，避免不同项目互相冲突
Python	编程语言（本文使用 3.13）
PyCharm	写代码、调试、运行 YOLO 项目的 IDE
PyTorch	深度学习框架，YOLO 的底层依赖
Ultralytics	YOLOv8/YOLO11 等现代 YOLO 的官方 Python 包

---

二、安装 Anaconda（Python 环境管理器）

2.1 下载 Anaconda

1. 打开官网：Download Anaconda Distribution | Anaconda

2. 选择 macOS

3. 选择 64-Bit (Apple silicon) 图形安装包（.pkg）

4. 下载完成后，双击 .pkg 开始安装

注意 ：不要选 x86_64 / Intel 版本！

2.2 安装步骤

1. 一路 继续 ，阅读协议后点 同意

2. 安装位置默认即可，一般为：/opt/anaconda3

3. 安装结束时，如果提示 "是否运行 conda init" ，请选择 是 / Allow

4. 安装完成后，完全关闭终端再重新打开（这一步很多人漏掉）

2.3 验证 Anaconda 是否安装成功

打开终端，输入：

conda --version

若显示类似 conda 25.x.x，说明安装成功。

2.4 配置 conda 国内镜像

国内下载包较慢，可以配置清华镜像：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --set show_channel_urls yes

pip 也可配置清华源：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

---

三、创建 Python 虚拟环境（YOLO 专用）

3.1 创建名为 yolo 的环境

conda create -n yolo python=3.13 -y

如果提示找不到 python=3.13，可改用 conda-forge：

conda create -n yolo -c conda-forge python=3.13 -y

3.2 激活环境

conda activate yolo

激活成功后，命令行前面会出现 (yolo) 前缀。

3.3 验证 Python 版本

python --version

应显示：Python 3.13.x

which python

应指向 Anaconda 路径，例如：/opt/anaconda3/envs/yolo/bin/python

---

四、安装 PyCharm 并关联 conda 环境

4.1 下载 PyCharm

1. 打开：Download PyCharm: The Python IDE for data science and web development by JetBrains

2. 选择 macOS Apple Silicon 版本

3. Community（社区版） 免费，足够学习 YOLO；Professional 功能更多但需付费

4.2 安装 PyCharm

1. 将 PyCharm 拖入 Applications（应用程序）

2. 首次打开若提示安全限制：系统设置 → 隐私与安全性 → 仍要打开

4.3 在 PyCharm 中配置 Python 解释器

1. 打开 PyCharm → New Project

2. 左侧选 Pure Python 或 Empty Project

3. 在 Python Interpreter 处点 Add Interpreter → Add Local Interpreter

4. 选择 Conda Environment → Existing environment

5. 解释器路径选择：

    /opt/anaconda3/envs/yolo/bin/python

   若 Anaconda 装在其他目录，可在终端用 which python（先 conda activate yolo）查看实际路径

6. 点击 Create 创建项目

4.4 已有项目如何切换解释器

• 菜单：PyCharm → Settings（设置）→ Project → Python Interpreter

• 或右下角状态栏点击当前 Python 版本 → Add Interpreter

• 同样选择 /opt/anaconda3/envs/yolo/bin/python

4.5 验证 PyCharm 是否用对环境

在 PyCharm 终端（底部 Terminal）中应看到 (yolo)，执行：

python --version

---

五、安装 YOLO 依赖包

确保终端已激活 yolo 环境：

conda activate yolo

5.1 安装 PyTorch（核心依赖）

Mac M1 使用 MPS 后端，不需要 CUDA。优先尝试官方稳定版：

pip install torch torchvision torchaudio

5.2 安装常用科学计算与图像库

pip install numpy opencv-python pillow matplotlib pandas pyyaml tqdm scipy

各包作用简述：

包名	作用
numpy	数值计算
opencv-python	图像/视频读取与处理
pillow	图像基础操作
matplotlib	可视化、画检测框
pandas	数据处理
pyyaml	读取 YOLO 配置文件
tqdm	进度条
scipy	科学计算辅助

6.3 安装 JupyterLab

pip install jupyterlab ipykernel

---

六、安装 Ultralytics

6.1 安装 ultralytics

pip install ultralytics

---

七、YOLO 基础术语

术语	通俗解释
目标检测	在图片里找出「有什么物体」以及「在哪里」（画框）
分类	只回答「是什么」，不画框
模型（Model）	已经训练好的「检测大脑」，如 yolov8n.pt
权重（Weights）	模型的参数文件，扩展名多为 .pt
推理（Inference / Predict）	用现成模型对新图片做检测
训练（Train）	用自己的数据教模型认识新物体
验证（Val）	评估模型准不准
数据集（Dataset）	大量标注好的图片，含图片和标签
标注（Label）	告诉模型「框里是什么」，常见格式 YOLO txt
Epoch	整个数据集被模型学习一遍，叫 1 个 epoch
Batch Size	每次喂给模型多少张图，Mac 上建议从小开始（如 8 或 16）
imgsz	输入图片尺寸，常用 640
置信度（Confidence）	模型有多「确定」这是某物体，越高越严格
NMS	去掉重叠重复的检测框
MPS	Mac 上 PyTorch 的 GPU 加速方式，类似 Windows 的 CUDA

n/s/m/l/x 模型尺寸（以 YOLOv8 为例）：

• n（nano）：最小最快，适合 Mac 练手

• s/m/l/x：越来越大，精度更高但更吃内存

---