YOLO快速入门——（2）YOLO V26安装与快速入门

YOLO V26安装与快速入门

安装 Ultralytics

前置要求

安装Conda环境并配置国内源

安装方式

Ultralytics官方提供了pip、conda、docker等方式，对于windows上推荐使用Conda方式

基于python3.11创建ultralytics-env的conda的环境并激活，如果需要使用GPU的功能，推荐与pytorch一起安装：

shell 复制代码

conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision pytorch-gpu -y
conda activate ultralytics-env

如果不需要使用GPU，安装方式如下：

shell 复制代码

conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision -y
conda activate ultralytics-env

如果后续还想继续使用gpu功能，可以继续单独安装pytorch

shell 复制代码

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

通过 Python 使用 Ultralytics

在 Python 中执行相同的预测：

python 复制代码

from ultralytics import YOLO

model = YOLO("yolo26n.pt")  # 加载预训练的 YOLO26n 检测模型
results = model("https://ultralytics.com/images/bus.jpg", save=True)  # 进行预测并保存标注后的图像

第一次运行时会下载模型参数到本地缓存路径，如果没有配置代理可能会比较慢，可以手动用 ghproxy 镜像下载

shell 复制代码

Update Settings with 'yolo settings key=value', i.e. 'yolo settings runs_dir=path/to/dir'. For help see https://docs.ultralytics.com/usage/settings.
Downloading https://github.com/ultralytics/assets/releases/download/v8.4.0/yolo26n.pt to 'yolo26n.pt': 0% ──────────── 48.0KB/5.3MB 6.6KB/s 2:56<13:36

原链接： https://github.com/ultralytics/assets/releases/download/v8.4.0/yolo26n.pt

加上国内代理前缀，浏览器 /wget/curl 直接下：

复制代码

curl -O https://gh-proxy.org/https://github.com/ultralytics/assets/releases/download/v8.4.0/yolo26n.pt

备选代理（ghproxy 挂了就换其他代理如）：

复制代码

curl -O https://shturl.cc//https://github.com/ultralytics/assets/releases/download/v8.4.0/yolo26n.pt

下载完把 yolo26n.pt 放到 ultralytics 的模型缓存目录，代码就不会再重新下载：

Windows：C:\Users\你的用户名\.ultralytics\models\
Linux / WSL：~/.ultralytics/models/

同理bus.jpg也可以提前通过代理下载到本地

shell 复制代码

curl -O https://v4.gh-proxy.org/https://github.com/ultralytics/assets/releases/download/v0.0.0/bus.jpg

同时更新代码：

python 复制代码

from ultralytics import YOLO

model = YOLO("C:\\Users\\Administrator\\.ultralytics\\models\\yolo26n.pt")  # 加载预训练的 YOLO26n 检测模型
results = model("../../../images/yolo/bus.jpg", save=True)  # 进行预测并保存标注后的图像