YOLOv12 项目部署指南！含报错解决

原创已于 2025-03-06 15:25:53 修改 · 2.2k 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#YOLO #人工智能 #深度学习

于 2025-03-06 15:25:15 首次发布

该文章已生成可运行项目，

前段时间，yolo12横空出世，所以去官网看了下官方视频和相关论文。并成功在本地复现项目

1. 环境准备

首先创建并激活虚拟环境：

conda create -n yolov12 python=3.11
conda activate yolov12

2. 项目下载

cd e:\Dev_project\MyProjects
git clone https://github.com/sunsmarterjie/yolov12.git
cd yolov12

3. 安装依赖

使用国内镜像源安装依赖（推荐清华源）：

1. 首先安装 PyTorch（基于您的 CUDA 12.8 环境）：

pip install torch torchvision --index-url https://mirrors.tuna.tsinghua.edu.cn/pytorch-wheels/cu121

2. 安装其他必要依赖：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple gradio
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ultralytics
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple thop
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple psutil

4. 下载预训练模型

从 YOLOv12 官方仓库下载预训练模型，放在项目根目录下。您可以选择以下任意一个模型：

yolov12n.pt（最小模型）
yolov12s.pt（小型模型）
yolov12m.pt（中型模型）
yolov12l.pt（大型模型）
yolov12x.pt（超大模型）

5. 运行演示应用

python app.py

运行后，浏览器会自动打开 http://127.0.0.1:7860 地址，显示 Web 界面。

6. 使用说明

在 Web 界面中：
- 选择输入类型（图片或视频）
- 选择要使用的模型
- 调整图像大小和置信度阈值
- 上传图片或视频
- 点击 "Detect Objects" 按钮开始检测
示例图片位于 ultralytics/assets/ 目录下

7. 导出当前环境依赖

导出环境依赖到 requirements.txt：

pip freeze > requirements.txt

方便下次在其他环境部署运行。

常见问题解决

如果遇到 CUDA 相关错误：
- 确保已安装 NVIDIA 驱动
- 确保 CUDA 版本与 PyTorch 版本匹配
如果遇到模块导入错误：
- 检查是否已安装所有必要依赖
- 尝试重新安装相应模块
如果模型下载速度慢：
- 可以使用国内镜像源
- 或者手动下载模型文件
如果运行时出现内存错误：
- 尝试使用较小的模型（如 yolov12n.pt）
- 减小输入图像尺寸

验证安装

安装完成后，可以运行以下代码验证环境：

import torch
print(f"PyTorch version: {torch.__version__}")
print(f"CUDA available: {torch.cuda.is_available()}")
print(f"CUDA version: {torch.version.cuda}")

ultralytics操作文档：YOLO12 -Ultralytics YOLO 文档

Demo体验网站：YOLOv12 Demo - a Hugging Face Space by sunsmarterjieleaf

官方训练视频：YOLO12: Train for Real-Time Object Detection - YouTube
操作文档参考：How to Train a YOLOv12 Object Detection Model on a Custom Dataset

github 项目链接：sunsmarterjie/yolov12: YOLOv12: Attention-Centric Real-Time Object Detectors

本文章已经生成可运行项目