【肆十二】YOLO系列代码环境配置统一流程

肆十二

已于 2025-01-31 21:53:19 修改

阅读量1.2w

点赞数 62

CC 4.0 BY-SA版权

分类专栏：大作业系列文章标签： YOLO 环境配置 yolo环境配置 yolo11 yolov8 目标检测 torch安装

于 2025-01-31 15:07:17 首次发布

本文链接：https://blog.youkuaiyun.com/ECHOSON/article/details/145405669

大作业系列专栏收录该内容

70 篇文章

订阅专栏

大家好，这里是肆十二，YOLO系列代码我们已经开发了很多内容，每次的内容除了要识别的内容不一致之外，其他环境配置一类的流程基本一致，为了提高效率，也为了节省大家的时间，我在本期将环境配置的统一问题进行抽取出来，后续的更新大家可以先看是否是你需要的内容，然后再来看环境配置的部分。

安装前的准备工作

安装之后需要你提前下载好Pycharm和miniconda，对这部分内容存在疑问的小伙伴可以看这期内容：

Python项目配置前的准备工作_pyenv设置镜像-优快云博客

环境配置

配置镜像

miniconda默认的依赖下载位置在国内，采用默认的下载位置将会导致下载速度极慢。

所以我们这里统一配置为清华的镜像，在你的命令行中执行下列的命令即可。

conda config --remove-key channels
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

执行的截图如下：

新建虚拟环境

虚拟环境是非常好用的，这样可以保证你的每个项目之间互相不会影响。所以我们这里建立一个虚拟环境，考虑到我们项目的时效性，这里我将会创建一个名字为yoloyolo，python版本为3.10.0的虚拟环境，创建虚拟环境之后激活虚拟环境。
```
conda create -n yoloyolo python==3.10.0
conda activate yoloyolo
```
执行的截图如下。
安装torch

torch我们一般最好是单独安装，因为torch需要一些cuda之类的资源库，安装之前请保证你已经安装了比较新的nvidia驱动。注意只需要更新你的nvidia驱动即可，不需要安装其他的cuda或者cudnn之类的额外安装包。下面的命令分为两条，一条是适合有Nvidia显卡的小伙伴安装GPU版本的torch，一部分则是适合没有GPU安装cpu版本Torch的小伙伴。
```
# CUDA 11.8
conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=11.8 -c pytorch -c nvidia
# CUDA 12.1
conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=12.1 -c pytorch -c nvidia
# CPU Only
conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 cpuonly -c pytorch
```
下面是安装截图，我本地的电脑是nvidia的3060显卡。

我这里执行的是cuda12.1的版本的torch的安装。

安装完了之后使用torch可能会有下列的警报信息。

所以我们需要在命令行中执行下列指令降低numpy的版本。
```
pip install numpy==1.23.5
```
安装之后可以进入python解释器执行下面的指令测试一下你的gpu安装是否可用
```
import torch
flag = torch.cuda.is_available()
print(f"GPU是否可用：{flag}")
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
```
截图如下：

到这里我们基本完成了torch的安装非常完美。
安装其他的依赖库

接下来需要安装其他的依赖库的文件，所以在我们的教程中下载的代码文件中都包含一个project.toml的文件，这个文件中包含了我们需要安装的各种依赖库的版本，如下图所示。

进行命令行之后，别忘记执行激活指令，激活我们已经安装了torch的虚拟环境。
```
conda activate yolo
```
然后执行pip指令来进行其他依赖库的安装。
```
pip install -v -e .
```
进行简单的测试

在我们的42_demo目录下面放了一段测试脚本，是使用yolo11模型进行视频文件的预测，如果你可以正常运行这段脚本，那表示你的安装是没有问题的。
```
cd 42_demo
python track_test.py
```
如下图所示。