YOLO安装部署

1.下载ultralytics

下载地址https://github.com/ultralytics/ultralytics，选择8.3.163进行下载

3320a4da-191a-4dc9-b1fa-7666cc63967f.png

2.下载完ultralytics后进行解压

46c980d8-ac89-4a9f-aecf-b34f8db02e24.png

3.下载yolo，下载地址https://github.com/ultralytics/assets/releases

1c449df0-4849-4f6b-85d4-4b00281894ac.png

4.下载完yolo后把下载的文件放到ultralytics目录下

ecdb2906-1e40-4510-9238-f18aabdfed09.png

5.下载anaconda，下载地址https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

3aa0d875-35bf-47e3-8e17-9c42a11740d6.png

6.安装完成后打开anaconda命令窗口输入notepad .condarc进行设置配置，这是会打开一个txt文本，把下面的文本复制进去后保存。

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

c4ce96fa-218b-499c-8b2d-5c547b1ede2a.png

7.设置pip镜像

接着在命令框输入
pip config set global.index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple

dd957f07-6665-420f-905d-c9dea4d4f8cb.png

8.创建YOLO环境

输入命令
conda create -n yolo python=3.8.10 这里的python版本要填写你的python版本号

image.png

67cd0210-9ed0-4bcc-9bab-9f2a979a8ce5.png

9.安装pytorch

安装之前先切换到yolo环境
conda activate yolo

0b4b89db-be27-4338-a71a-cb13578d9a87.png

9.1 英伟达50系显卡选择CUDA12.8

94a53060-8e7c-4593-9feb-9f790fe30b76.png

135baa8d-7ff7-458e-8a19-3a5b2b452aa1.png

a52aa1b7-5c0c-4858-86a6-298cddb7a499.png

9.2 非50系安装

如果显卡驱动版本号大于等于11.8说明驱动符合要求，如果小于11.8则需要先更新显卡驱动

21b7f4cf-a208-4c91-9290-531fb3533697.png

选择11.8

5bf81352-79e3-4733-b08a-dc97d4f599eb.png

84203001-9d95-49d8-9e4c-9becdb6117c0.png

9.3 无显卡的情况下安装，安装cpu版本

找到cpu only

3717e158-6347-4058-952b-e7a3e813bced.png

切换到yolo环境，粘贴下面的命令后回车进行安装
pip install torch==2.5.0 torchvision==0.20.0 torchaudio==2.5.0 --index-url https://download.pytorch.org/whl/cpu

image.png

10 安装剩余包

1.切换到项目目录
pushd D:\outApi\ultralytics-8.3.163
2.安装剩余包命令
pip install -e .

image.png

剩余包安装成功

1716a848-b582-49fa-94aa-ba48aacbc5bd.png

11 测试yolo

输入命令 yolo detect predict 这个命令用来检测yolo11n.pt这个目标检测模型，预测源码里的ultralytics/assets/里的两张图片

运行成功，结果保存在runs/detect/predict

image.png

f857b73d-22b2-4713-a6d5-5632bb2decb1.png

12 配置pycarm设置

路径选择完后点击重新加载配置，后选择yolo，最后点击ok，如果ok点击不了先切换到generate new 再切换回来后点击ok。

242128cf-99ab-4c88-839c-70d120ceea58.png

右下角显示yolo，说明已经在使用yolo环境

0f812042-5889-4c97-880f-b87085ca8160.png

结束