YOLO11 在Windows中的配置

最新推荐文章于 2025-10-15 14:05:11 发布

原创最新推荐文章于 2025-10-15 14:05:11 发布 · 392 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#windows #YOLO

YOLO11 在Windows中的配置

安装Anaconda

下载Anaconda

访问anaconda官网：https://www.anaconda.com/
在这里插入图片描述

最新版的下载地址会在邮件中给出

镜像源配置

在这里插入图片描述
打开软件

查询所有已存在环境

conda env list //查询所有已存在环境

在这里插入图片描述
修改Anaconda镜像文件
进入用户下路径

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
show_channel_urls: true  //下载时显示使用的连接

手动新增pip 镜像
将文件管理器中的"隐藏的项目"勾选
在这里插入图片描述
进入用户下面的路径,新建pip文件夹

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple/

[install]
trusted-host = pypi.tuna.tsinghua.edu.cn

搭建YOLO环境

建立yolo11环境

conda create --name yolov11 python=3.12 //新建名为yolov11的环境

出现如图所示提示的时候，输入一个y然后按回车，表示确定安装
在这里插入图片描述

安装ultralytic及其依赖

ultralytics文档
在这里插入图片描述

# Install all packages together using conda
conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=11.8 ultralytics

测试环境

将下面代码保存,后执行

import torch
import torchvision
 
print(torch.__version__)  # 打印torch版本
print(torchvision.__version__)  # 打印torchvision版本
print(torch.version.cuda)  # 打印cuda版本
 
# 查看是否有可用的GPU
if torch.cuda.is_available():
    # 获取GPU的数量
    num_gpus = torch.cuda.device_count()
    print(f"Available GPUs: {num_gpus}")
 
    # 打印每个GPU的编号和名称
    for i in range(num_gpus):
        print(f"Device {i}: {torch.cuda.get_device_name(i)}")
else:
    print("No GPU available.")