PyCharm中搭建PyTorch和YOLOv10开发环境

Ubuntu下无脑跑通yolov5目标检测与跟踪(Pycharm+Pytorch1.7.1+Cuda10.1) 此文章记录如何在ubuntu下部署yolov5网络,并训练自己的数据集 环境:ubuntu16.04+Pycharm+Pytorch1.7.1+Cuda10.1 具体如何在ubuntu下配置深度学习环境,可以参照此篇博客 一、配置环境并运行例程 下载yolov5 下载地址:github链接 下载方式:进入github页面,点击右上角的code,复制图中网址。在目标文件夹中打开终端(进入目标文件夹中右键点击弹出框中的在终端打开),运行以下命令,将yolov5下载至该目录中git clone https:. 阅读详情

经典项目参考:https://blog.youkuaiyun.com/qq_42589613/article/details/130941899

环境准备(安装Anaconda和PyCharm)、

创建虚拟环境、

安装PyTorch(区分GPU和CPU版本)、

获取YOLOv10源码、

安装项目依赖、

配置PyCharm解释器、

验证环境是否正常工作

一、环境准备(系统级配置)​​

  1. ​​安装 Anaconda​​

2.配置 CUDA 和 cuDNN(GPU用户必做)​​

  • 检查显卡驱动兼容性:命令行输入 nvidia-smi,确认 CUDA 版本 

官网下载:CUDA

二、创建虚拟环境​

步骤 1: 克隆项目仓库
首先,使用 Git 克隆 YOLOv10 项目仓库到您的本地机器:

git clone https://github.com/THU-MIG/yolov10.git
cd yolov10

步骤 2: 创建虚拟环境
建议使用 Conda 创建一个虚拟环境,以避免依赖冲突:

# 打开 Anaconda Prompt
conda create -n yolov10 python=3.9  # 创建 Python 3.9 环境
conda activate yolov10              # 激活环境

步骤 3: 安装依赖项
在激活的虚拟环境中,安装项目所需的依赖项:

pip install -r requirements.txt
bash


步骤 4: 验证安装
安装完成后,您可以通过运行以下命令来验证安装是否成功:

python app.py

​

📌 注:Python 3.9 是 YOLOv10 的推荐版本

​​三、安装 PyTorch(GPU/CPU 版本)​​

  • ​​GPU 版本​​(需匹配 CUDA 版本):

    # CUDA 11.8 示例
    pip install torch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 --index-url https://download.pytorch.org/whl/cu118
    
    如果安装失败,可以安装其它版本:
    pip install torch==2.7.1+cu118 torchvision==0.18.1+cu118 torchaudio==2.7.1+cu118 --index-url https://download.pytorch.org/whl/cu118
  • ​​CPU 版本​​:

    pip install torch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1

💡 验证安装:在 Python 终端运行:

import torch print(torch.__version__, torch.cuda.is_available()) # 输出 True 表示 GPU 可用

​四、安装 YOLOv10 及依赖​​

  1. ​​克隆源码​​:

    git clone https://github.com/THU-MIG/yolov10.git
    
    
    git clone https://gitcode.com/GitHub_Trending/yo/yolov10
    
    cd yolov10

    若安装失败,尝试:

pip uninstall -y -r requirements.txt  # 卸载冲突包
pip install --upgrade --no-deps -r requirements.txt  # 跳过依赖检查

五、PyCharm 环境配置​​

  1. ​​打开项目​​:

    PyCharm → Open→ 选择 yolov10项目目录。

  2. ​​配置解释器​​:

    • File→ Settings→ Project: yolov10→ Python Interpreter

    • 点击 ⚙️ → Add Interpreter→ Conda Environment→ 选择 Existing environment

    • 路径指向:Anaconda3/envs/yolov10/python.exe(Windows)或 ~/anaconda3/envs/yolov10/bin/python(Linux/macOS)。

  3. ​​验证路径​​:

    在 PyCharm 终端运行 conda info --envs,确认激活 yolov10环境。


🧪 ​​六、验证环境​

【YOLOv5】1.搭建Pycharm+Python+yolov5环境 笔者也是YOLO-V5初学者,在使用YOLO-V5做一个目标识别和自动按键的项目的过程中遇到了不少的问题,故将自己的心得笔记记录下来分享。主要分享的是思路和步骤,许多细节问题如果遇到了一般也都能在网上找到解决方法。 阅读详情

相关推荐

目标检测第7步:如何在Windows 10下,配置Pycharm中的YOLOv5(5.0)虚拟环境?

在Pycharm中配置YOLOv5 5.0 的环境

Cat 3021

stable_baselines3测试PPO算法运行Pong环境(含完整代码与解释)

环境 — PyTorch 信息 — PyTorch 版本: 2.7.1+cu118 GPU 可用: True CUDA 版本: 11.8 cuDNN 版本: 90100 GPU 设备: NVIDIA GeForce RTX 4060 Laptop GPU 可用 GPU 数量: 1— Gymnasium 信息 — Gymnasium 版本: 1.1.1— Stable Baselines3 信息 — Stable Baselines3 版本: 2.6.0— 其他依赖包信息 — numpy 版本: 1.24.3

m0_54720701的博客 1499

yolov5环境搭建(Anaconda-py3.9、PyTorch-CPU、yolov5-4.0、PyCharm)

Windows10搭建yolov5-4.0,使用CPU版本PyTorch,可以在anaconda命令行和PyCharm中运行代码

jialChen的博客 4345

PyCharm快速搭建YOLOv10开发环境。

确保已安装最新版本的PyCharm(建议使用Professional版)和Python(3.8及以上版本)。推荐使用Anaconda或Miniconda管理Python环境,避免依赖冲突。访问PyTorch官网获取适配当前系统的安装命令。

zqF_0qvm的博客 573

基于windows10的pytorch环境部署及yolov8的安装及测试_yolov8环境搭建win10

在这个base环境中先不要着急安装各种各样的python包,因为默认情况下在anaconda中创建的新的环境都是以base环境为模板的,也就是意味着新创建的环境会包含与base环境相同的Python版本和已安装的软件包列表,所以为了不必要的麻烦,我们新创建一个环境,创建环境的命令如下。1.下载代码,到官网去找,或者其他人上传的都可以,主要下载两个内容:下载地址:https://github.com/ultralytics/ultralytics。-n是名字的意思,name自己取名,后面那个3.8是版本号。

2401_89791386的博客 1162

在 PyCharm 中搭建 PyTorch 和 YOLOv10 开发环境:深度学习工程师必看指南

摘要: 本文详细介绍了如何在PyCharm中搭建PyTorch和YOLOv10开发环境,适用于深度学习初学者和AI开发者。内容包括虚拟环境配置、PyTorch和YOLOv10的安装、PyCharm环境设置,以及目标检测实战步骤(数据准备、模型训练和推理)。还提供了GPU加速和模型部署优化建议,帮助开发者高效构建目标检测系统。

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 1216

【常用】配置Linux/Windows的Pytorch环境

安装torch

一个计算机准研究生的学习博客 4047

Veeam Backup 13 通过UI界面高效备份VMware ESXi虚拟机的完整指南

本文提供了一份使用Veeam Backup 13图形化界面高效备份VMware ESXi虚拟机的完整指南。内容涵盖从环境准备、添加vCenter/ESXi主机、配置备份存储库,到创建备份任务、设置保留策略与计划,以及执行备份和验证成功的关键步骤。通过直观的UI操作,管理员可以轻松实现虚拟机数据的可靠保护与快速恢复。

weixin_29322553的博客 440

Pytorch的安装(CPU版本)

本文详细介绍了PyTorch(CPU版本)的安装步骤与常见问题解决方法。首先需检查NVIDIA显卡是否存在,若没有则选择CPU版本。主要步骤包括:1)安装Anaconda;2)创建Python虚拟环境;3)使用pip安装PyTorch及相关库;4)通过命令行验证安装是否成功。文章特别指出常见问题:环境变量警告可通过添加PATH解决,GPU不可用需检查CUDA版本,以及必须在Python交互环境中验证安装。最后强调安装成功后即可正常运行PyTorch代码。

2402_88774682的博客 1435

基于PID的定速巡航控制系统设计【MATLAB源码+Word文档】

本文详细介绍了定速巡航控制是一种车辆驾驶辅助系统,它能让驾驶者在高速或长途驾驶时,设定一个固定的车速,然后车辆会自动维持这个速度行驶,无需驾驶者持续踩油门。这大大减轻了驾驶者的疲劳,同时也提高了行驶的安全性。PID定速巡航控制系统是一种利用比例(Proportional)、积分(Integral)和微分(Derivative)控制算法来实现车辆定速巡航的先进系统。这种系统能够根据设定的速度,自动调整油门开度或制动力度,使车辆保持恒定的速度行驶。这种控制系统具有响应速度快、控制精度高、稳定性好等优点。

weixin_761237174的博客 1670

c语言版数据结构课程设计 学生成绩管理系统

此学生成绩管理系统完成15项功能,是我经过很多次的修改得到的。花费时间不短,功能齐全,主要完成了:输入,输出,插入,修改,删除,查询,读取文件,写入文件,复制文件,建立索引,显示各种情况下的信息,追加学生信息等等功能。一共15项。   代码如下: // shujujiegou.cpp : 定义控制台应用程序的入口点。///**本程序采用数组链表形式,原因:数组查询速度快,数组也能实现动态存储

Java 1万+

torch==2.1.2+cu118 与其他依赖项存在版本冲突完美解决方案

具体来说,某些包(如 accelerate, sentence-transformers, torchaudio 等)对 torch 的版本有不同的要求,导致无法同时满足所有依赖。torch>=2.1.2:确保与 llama-index-embeddings-instructor 和 llama-index-llms-huggingface 兼容。torch==2.1.1+cu118:这个版本可以满足 torchaudio==2.1.1 和其他依赖项的要求。1. 统一 torch 版本。

u010297447的专栏 3604

【自动驾驶学习笔记——Prescan和Simulink 学习笔记和问题记录(1)】

主要记录一些Prescan/Simulink 联合仿真出现的问题。

ly1336545868的博客 1465

windows10+cpu+pycharm跑yolov5

window10下用CPU+pycharm+yolov5生成图像标注模型

一个码农的足迹 2057

51单片机-点亮LED和蜂鸣器

ULN2003是高耐压、大电流达林顿陈列,由七个硅NPN达林顿管组成。ULN2003是大电流驱动陈列,多用于单片机、只能仪表、PLC、数字量输出卡等控制电路中。可直接驱动蜂鸣器、继电器等负载。void delay(u16 i) // i等于1大约10uswhile(i--);//取反,高低电平不断变化,产生脉冲delay(10);// 周期200us。

三日沐水 1131

Python实战:5分钟搞定N-CMAPSS航空发动机数据集解析(附完整代码)

本文提供了一份针对N-CMAPSS航空发动机数据集的快速解析实战指南。通过Python的h5py库,详细演示了如何读取HDF5文件结构、理解数据分类(如传感器、健康参数、场景描述符)并加载为Pandas DataFrame。文章还澄清了数据集中常见的变量数量疑惑,并给出了从数据加载到构建剩余使用寿命预测模型预处理流水线的完整代码,帮助工程师和研究人员高效入门航空发动机预测性维护分析。

weixin_29057065的博客 422

(超详细)搭建深度学习环境【Anaconda+Pycharm+NVIDIA 显卡驱动+PyTorch(含GPU版)+CUDA+cuDNN+win10】+ 配置系统环境变量

(超详细)搭建深度学习环境【Anaconda+Pycharm+NVIDIA 显卡驱动+PyTorch(含GPU版)+CUDA+cuDNN+win10】+ 配置系统环境变量 + YOLO跑数据集环境部署

2302_76846184的博客 4万+

【35】软考软件设计师——设计模式代码填空(C++版)满分精讲|第5/6题二选一必考

本文是《软件设计师·50讲通关|从零基础到工程师职称》专栏第35篇,聚焦下午选做题**第5/6题C++版设计模式代码填空**,与上一篇Java版形成双子配套,单题分值稳定12~15分。全文超4000字深度拆解C++独有核心考点:虚函数/纯虚函数、构造与析构函数规范、继承权限、模板类编程在设计模式中的应用;精讲单例、工厂、策略、观察者、适配器五大高频模式的C++专属代码写法,标注所有填空核心点位、语法陷阱、内存安全规范

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 547

YOLOv5小白安装教程(GPU版和CPU版)

 本文将详细介绍使用工具安装anaconda-->创建conda环境-->安装YOLOv5(包括GPU和CPU)-->安装Pycharm-->配置Pycharm解释器的详细流程。

抠头助手的博客 1571

TI硬件笔试面试题型解析上

摘要: 本专栏聚焦大厂硬件笔试面试题解析,当前第14期以德州仪器(TI)为例,涵盖模拟电路与数字电路核心考点。模拟电路部分涉及最大功率传递定理、运放设计(虚短/虚断)、共模抑制比(CMRR)及高频PCB信号完整性;数字电路包括CMOS与TTL对比、建立/保持时间、竞争冒险消除、D触发器分频及“线与”逻辑实现。文章强调通过例题掌握解题方法与知识点,助力读者应对硬件工程岗位的笔试与面试挑战,附常见考点总结与实用建议。全文注重理论与实践结合,提供典型题型解析与设计思路。(150字)

启芯硬件的博客 952

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

yolov11环境安装

在安装pytorch 前需要安装cuda,(若无显卡或intel的显卡则跳过,直接看4.2)下载cuda前需要先查看显卡支持的CUDA版本最高是多少,按下win+r键,输入cmd,在打开的页面输入:nvidia-smi ,即可查看。二、pytorch安装-pytorch2.0.1安装 NVIDIA GPU学习环境安装pip安装 CUDA 11.8 pytorch2.1.0。安装完成后可以再次在cmd里输入命令:nvcc -V 查看,如下显示即安装成功。④activate v11 激活环境。

qq_45799999的博客 230

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

Windows10 + Yolov8 + Pycharm + Anaconda

本文主要介绍如何在Windows10系统上搭建YOLO运行环境,并提供项目开发软件【Pycharm】,环境管理软件【Anaconda】软件的安装及使用。

syl_xstq的博客 1788

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

【深度学习】YOLOV5-WIN10环境搭建(配置+训练

win10 基于anaconda和pytorch的YOLOV5深度学习环境配置

m0_62556048的博客 1万+

第二章 Anaconda+Pycharm+Yolov8开发环境搭建与检测验证

本文介绍了搭建AI开发环境的详细步骤,重点讲解了PyCharm和Anaconda的安装配置过程。首先从PyCharm的下载安装开始,说明其作为Python IDE的核心功能;然后介绍Anaconda的安装和环境变量配置,强调其在数据科学开发中的重要性。接着详细阐述了如何在PyCharm中配置Anaconda环境,为后续开发做好准备。最后,指导读者下载Ultralytics代码并配置运行环境,特别说明使用Anaconda管理多环境隔离的优势。整个过程从基础工具安装到专业环境搭建,为YOLOv8等AI项目开发提

深耕 Java 后端与企业级软件架构设计,专注微服务、分布式系统、大模型 AI 应用架构落地。 1353

Pycharm环境配置YOLOv5(Pytorch)

本文详细介绍了 YOLOv5 环境配置的完整流程,包括 Pycharm 和 Anaconda3 的下载与安装、虚拟环境的创建与进入退出,以及如何在 Pycharm 中设置相关环境。此外,还涵盖了运行过程中可能遇到的常见问题,如 Numpy 版本不兼容以及缺少模块等,并提供了相应的解决方案。

qq_44147623的博客 4825

YOLOv5和YOLOv7环境(GPU)搭建测试成功

YOLOv5和YOLOv7的环境搭建

qq_42475191的博客 5883
上一篇: 机器视觉相关知识
下一篇: C#小型ROV数据采集上位机软件项目学习
虚行
博客等级 码龄14年 168粉丝 67原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值