yolov5/v7/v8/v9/v10/v11环境详细配置教程（Windows+conda+pycharm）

最新推荐文章于 2025-10-15 17:02:17 发布
原创 最新推荐文章于 2025-10-15 17:02:17 发布 · 862 阅读 · 9 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#YOLO #windows #conda #深度学习 #目标检测

目录

一、所需环境配置 

1.1. 虚拟环境创建

1.2. 激活虚拟环境

1.3 安装pytorch

二、安装yolo相关环境

一、所需环境配置 

1.1. 虚拟环境创建

首先，打开Anaconda Prompt命令窗口，创建一个新的虚拟环境，后面的包都在这个环境中安装。创建命令是：我的习惯是使用3.8版本的python，你也可以换成更高版本；

conda create -n yolo python=3.8

输入命令后，运行结果如下：输入y即可；

1.2. 激活虚拟环境

安装完成后，即可激活虚拟环境，输入以下命令即可；

conda activate yolo

激活成功之后如图所示； 

最低0.47元/天 解锁文章
yolov5/v7/v8/v9/v10环境详细配置教程（Windows+conda+pycharm）
Laohega132的博客
09-20 1157
首先，打开Anaconda Prompt命令窗口，创建一个新的虚拟环境，后面的包都在这个环境中安装。创建命令是：我的习惯是使用3.8版本的python，你也可以换成更高版本；下载好完整的代码之后，用pycharm打开，可以看到其中有一个requirements.txt文件，要在上面激活的环境中使用命令行安装此文件；gpu版本的安装命令：想要安装其他版本可以去pytorch官网自己找。安装完成后可以通过conda list查看环境中是否安装完成。安装完成后，即可激活虚拟环境，输入以下命令即可；
Windows配置Yolov5环境全过程
qxl_799915的博客
10-29 3265
从头到尾完整搭建yolov5训练环境
YOLOv11学习——环境配置（二）和使用入门
最新发布
m0_55260921的博客
10-15 1026
本文介绍了YOLOv11的环境配置和使用方法。主要内容包括：1. PyCharm安装与YOLO项目配置，包括Python环境设置和Conda解释器选择；2. 创建并运行三个推理脚本文件：mypredict.py实现图片/视频预测，mycam.py实现实时摄像头预测，mytrain.py用于模型训练；3. 详细解析了YOLO模型的预测参数、任务类型（目标检测、分类等）和模型特性，展示了如何获取模型信息（任务类型、可预测类别、参数量）；4. 提供了预测选项配置示例，如修改边框线宽和可视化特征图。通过示例代码演示
YOLOv8环境搭建+训练自己的数据详细项目
热门推荐
m0_63172128的博客
08-01 2万+
直接按照路径会有问题，找到自己 requirements.txt 文件路径，我这里是pip install -r D:\ultralytics-main\ultralytics-main\requirements.txt。首先去自己的anaconda的安装的envs（虚拟环境），在导航栏输入cmd，进入命令窗口。到官方网站下载yolo模型 ，下载好后解压，里面有个文件requirements.txt。然后安装ultralytics ，这是必须的。
YOLO环境配置
2401_87734564的博客
11-23 2903
YOLO（You Only Look Once）是一种流行的，它将目标检测任务作为一个来处理，直接预测图像中所有目标的位置和类别。与传统的目标检测方法（例如 R-CNN 系列）不同，YOLO 通过一个单一的在一次前向传播中同时进行目标识别和定位，因此非常高效，能够在实时应用中使用。：是计算机视觉领域中的一个重要任务，其目的是在图像或视频中识别并定位特定类别的物体。目标检测不仅要求算法识别图像中的物体类别（例如“猫”或“汽车”），还需要确定每个物体的位置，即返回该物体的边界框（bounding box）。
YOLOv5/v8环境配置及训练、检测方法
LIYIFAN_的博客
01-14 7190
打开拷贝的yaml文件，将train和val后面的位置改为数据集的相对位置，names里为要检测的对象，若只有一个对象就写0：对象名,其他的注释掉。在D盘或E盘新建一个PycharmProject文件夹，将刚刚下载好的yolov5/v8工程压缩包解压到PycharmProject文件夹。在Pycharm中打开刚刚解压好的yolov5-master的文件夹。运行完成后runs文件夹下会生成detect文件夹里面放有测试结果。4. 将数据集放置在工程文件夹下的data->images文件夹下。
Jetson Nano专用TensorRT8.2.3+ONNX Runtime GPU预编译包：JetPack4.6/YOLOv8/v11环境一键部署工具包
03-20
（1）提供tensorrt-8.2.3.0-cp38-none-linux_aarch64.whl和onnxruntime_gpu-1.16.0-cp38-cp38-...（2）支持YOLOv8/v11模型的TensorRT加速推理，集成ONNX模型转换工具链（ONNX→TensorRT引擎），提升推理速度3倍+‌。
Ubutun 20.04 安装配置深度学习环境（yolov5/v8/v11算法）
qq_39449202的博客
03-04 906
若没有驱动，则打开系统设置->软件和更新->附加驱动->选择NVIDIA驱动->应用更改（选择好显卡支持的驱动，之后应用更改等待安装完成即可。我这里是rtx 2060的显卡，支持535的驱动。先打开终端运行：nvidia-smi ，查看是否已安装显卡驱动。显示如下即安装过了，并且可以看见最高支持的cuda版本是12.2。2. 安装miniconda3。可以先进入以下网站中。
毕业项目推荐：49-基于yolov8/yolov5/yolov11的课堂行为检测识别系统（python+卷积神经网络）
weixin_71667732的博客
01-02 4041
项目中所用到的算法模型和数据集等信息如下：算法模型：yolov8yolov8 + SE注意力机制或yolov5yolov5 + SE注意力机制数据集：网上下载的数据集，格式都已转好，可直接使用。以上是本套代码算法的简单说明，添加注意力机制是本套系统的创新点。全新SOTA模型YOLOv8 提供了全新的最先进（SOTA）的模型，包括P5 640和P6 1280分辨率的目标检测网络，同时还推出了基于YOLACT的实例分割模型。与YOLOv5类似，它提供了N/S/M/L/X。
Ultralytics 家族(yolov5/yolov8/yolov11)介绍之二：yolov8详解
m0_38097087的博客
07-11 1083
备注：准备梳理 Ultralytics 家族的 YOLOv5 → YOLOv8 → YOLO11的演进脉络，本文主要介绍yolov8，同时对yolov5和yolov8两个版本进行对比分析。
yolo环境配置
weixin_34224941的博客
12-13 519
主要配置参考官网https://pjreddie.com/darknet/yolo/ 为了能够可视化，另安装cuda+opencv cuda版本为9.0 opencv版本为3.1.0 先安装cuda再安装opencv后可能会有版本冲突 安装完cuda以及opencv后对yolo的makefile文件进行修改，再重新编译 编译过程中报错 make: *** [obj/convolutio...
配置YOLO环境
m0_64422100的博客
07-01 1448
下面以Python3.8为例,！！下载之前保证将之前Python删除干净。
YOLO系列环境配置及训练
yewanyuan的博客
11-05 5499
以YOLOv5为例的环境配置及训练
【YOLOv11】最简单、易懂的YOLOV11环境配置
wzcxysww的博客
04-22 6431
最简单的YOLO环境配置教程
yolo！！手把手教零基础学习系列(1)——配置环境
m0_66701835的博客
08-07 1717
目标检测：目标检测是计算机视觉中的一项重要任务，旨在从图像中识别出特定物体的类别和位置。YOLO特点：YOLO将目标检测问题转化为一个回归问题，通过单次前向传播，直接预测图像中所有目标的边界框和类别，从而实现快速且准确的目标检测。
yolo-darknet配置安装与测试
wzy的博客
11-04 2984
继caffe-fasterrcnn后，又一个yolo-darknet的配置教程，希望可以帮助大家。若不能配置成功，请与我联系，邮箱：ahuljx@126.com 注意：1、请严格按照我提供的安装顺序安装，即ubuntu-opencv2.4.10-darknet-cuda7.5-darknet-test 2、有些您复制的终端命令如果不能在终端运行，请注意英文全角半角问题，您可以将命令输入
yolo环境安装
longxiawei的博客
03-17 391
conda install keras-gpu=1.14.0 pip install opencv-python4.1.0.25 pip3 install -i https://pypi.douban.com/simple scikit-learn0.19.2
（超详细）yolo11机器视觉模型环境配置（附带摄像头识别测试）
2302_80884441的博客
07-28 2014
使用我们这个yolo模型需要一个比较严格的环境但是对于其他的需要python环境的项目又需要不同的python环境而anaconda这个工具就可以管理和配置多个不同的环境，anaconda还包含了很多第三方库像NumPy（处理数字）、Pandas（处理表格数据）、Matplotlib（画图）、Scikit-learn（机器学习）这些专门的工具。我们需要的时候把他们导入到我们需要的环境就可以了。
YOLOv5环境配置
m0_53480978的博客
07-05 4198
利用anaconda和pycharm安装包并运行项目文档
Jetson Nano部署YOLOv8/v11：CUDA10.2适配PyTorch1.11预编译方案
然而，在实际项目开发过程中，尤其是在将最新的 YOLOv8 或更前沿的 YOLOv11 模型部署到 Jetson Nano 平台时，开发者常常遭遇“环境配置地狱”——即由于硬件平台限制、软件版本不兼容、依赖库冲突等问题导致无法顺利...
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
 
红包 添加红包
表情包 插入表情
表情包 代码片
 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