YOLO环境配置

# miniconda 下载

清华大学镜像站, 选择py38的版本Miniconda3-py38_22.11.1-1-Windows-x86_64.exe

# 创建环境

conda create -n yolov8 python=3.8

修改用户目录下的 .condarc 文件来使用 TUNA 镜像源

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/
ssl_verify: false

切换到刚创建的环境

conda activate yolov8

配置PyPI 镜像

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

# 前置环境配置

查看本机CUDA版本, 我自己是11.7版本

nvidia-smi

安装PyTorch，具体安装看指令看官网，注意CUDA版本不要超过本机的

• 必须使用官网的命令进行安装，否则安装的是cpu的版本
• amd的独立显卡或者没有独立显卡的机器安装cpu版本即可

pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2

下载ultralytics, 然后进入项目安装依赖

G:\project\ultralytics-8.2.30>conda activate yolov8

(yolov8) G:\project\ultralytics-8.2.30>

pip install -e .

验证是否安装成功

yolo

 Arguments received: ['yolo']. Ultralytics 'yolo' commands use the following syntax:
// ...

安装便利性的工具

pip install jupyterlab tensorboard