Ubuntu 20上YOLO11环境配置教程

    本教程使用的系统环境为Ubuntu 20.04.6，配备了NVIDIA RTX 3090GPU，CUDA版本11.3。

    1. 安装Anaconda或miniconda（推荐）用于虚拟环境和包管理。这里以miniconda为例。到miniconda官网仓库选择自己想要的版本。比如，我选择“Miniconda3-py310_25.7.0-2-Linux-x86_64.sh”，那么在服务器命令行输入如下命令进行下载：

wget https://repo.anaconda.com/miniconda/Miniconda3-py310_25.7.0-2-Linux-x86_64.sh

    下载完，用如下命令将文件修改为可执行：

chmod +x Miniconda3-py310_25.7.0-2-Linux-x86_64.sh

    输入以下命令运行安装：

./Miniconda3-py310_25.7.0-2-Linux-x86_64.sh

    安装完，根据提示接受用户协议即可。

    2. 创建虚拟环境，以便与其它算法环境进行隔离。在终端输入以下代码创建名为”yolo11”、python版本为3.10的虚拟环境。环境名和和python版本可根据自己需要调整。

conda create -n yolo11 python=3.10

   3. 安装Pytorch和Torchvision。首先查看电脑的CUDA版本，参考这篇博文。根据CUDA版本，到Pytorch官网选择合适的版本，复制其安装命令，在命令行执行该命令。

    注：我这里安装完有个报错，是numpy版本过高，需要降到2.0以下版本。解决方法就是先卸载numpy，然后安装了numpy 1.26.0（操作方法问百度）。再重新执行一次以上Pytorch和Torchvision的安装命令，问题解决。

    4. 安装完，在命令行依次运行如下代码进行验证。若不报错、且打印结果正常，则安装成功。

python
import torch
import torchvision
print(f"PyTorch version: {torch.__version__}")
print(f"Torchvision version:{torchvision.__version__}")

     注：以防后面安装Ultalytics YOLO出错后重装环境，我先把当前这个环境做了备份：先用以下命令导出当前环境安装的包列表：

conda env export -n yolo11 > environment.yml

    然后根据这个列表创建一个新的环境yolo11_2：

conda env create -f environment.yml -n yolo11_2

    5. 安装Ultalytics YOLO。输入以下命令一键安装：

conda install -c conda-forge ultralytics

    6. 验证YOLO安装是否成功。新建一个文件夹，将工作路径切换到该文件夹。新建一个python文件，输入如下代码。运行该文件。

from ultralytics import YOLO

model = YOLO("yolo11n.pt")  # This will download a pretrained model
results = model("https://ultralytics.com/images/bus.jpg")  # Perform inference on a sample image
results[0].show()  # Display the results

    若能正确输出预测结果，则安装成功。