YOLOv11+Miniconda+Pytorch环境配置与安装，虚拟环境使用的常见问题总结

深海小咸鱼

已于 2025-05-04 14:25:57 修改

阅读量719

点赞数 18

文章标签：人工智能 YOLO python conda

于 2025-04-16 23:25:28 首次发布

本文链接：https://blog.csdn.net/Yixuanxia/article/details/147286360

版权

1、安装Miniconda

Miniconda 是 Anaconda 的轻量级版本，它仅包含conda、Python 解释器和一些必备的软件工具，并没有像 Anaconda 那样预装 1500 多个库。这也说明，用户需要根据自身实际需求手动安装所需的包，给予了用户更大的自主控制权。

其中，conda是在Windows、macOS和Linux上运行的开源软件包管理系统和环境管理系统。conda可以快速安装、运行和更新软件包及其依赖项。

Miniconda的下载链接：Minicodna

进入网页后往下拉，就可以看到Miniconda的下载页面，选择对应版本的Miniconda下载，然后按要求安装。

若需要下载历史版本，可以从这个链接进去选择对应的版本。历史版本

2、安装虚拟环境

为什么要创建虚拟环境？

虚拟环境是一个Python环境，其中安装的Python解释器、库和脚本与安装在其他虚拟环境中的那些是隔离的。这有利于开发者进行开发多个不同的项目时，使用不同的虚拟环境，每个虚拟环境可以使用自己的python解释器，以及第三方工具，而这些环境之间彼此相互不影响。

然而，Conda作为软件包管理器，可帮助用户创建虚拟环境，并查找、安装Python第三方库。仅需几个命令，即可设置一个完全独立的环境来运行不同版本的Python。以下为conda常用命令，均可在终端运行，其中虚拟环境的名字可以自定义。（windows系统下需要按键Ctrl+R，再输入cmd，点击确定，即可进入终端。）

conda --version       #查看conda版本，可用于检查miniconda是否安装成功
conda env list           #查看conda现有虚拟环境
conda create -n yolo11 python=3.10       #创建一个名字叫yolo11的环境，Python版本3.10
conda activate yolo11             #激活该虚拟环境yolo11
conda list     #查看已安装的包
conda deactivate yolo11        #退出该虚拟环境yolo11
***（注意：虚拟环境不需要再使用时才删除，执行下列代码）***
conda remove -n yolo11  --all           #删除虚拟环境yolo11（windows系统）
conda remove --name yolo11 --all   #删除虚拟环境yolo11（linux系统）

3、全局镜像源配置

因为Python的包管理工具pip默认从国外网站下载第三方库，网络状况不稳定，容易出现下载速度比较慢或者下载失败的现象。为了加快pip下载Python包的下载速度，需要给pip配置国内的镜像源，因此可以确保从国内的镜像服务器上下载的包是最新版本，从而避免安装过时的包。

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

以下是国内常用镜像源,可根据你的需要，将上述代码中的网址，换成如下的网址。

清华：https://pypi.tuna.tsinghua.edu.cn/simple

豆瓣：http://pypi.douban.com/simple

阿里云：http://mirrors.aliyun.com/pypi/simple

中国科技大学：https://pypi.mirrors.ustc.edu.cn/simple

华中理工大学：http://pypi.hustunique.com

*注：安装项目的相关依赖，如果项目中有requirements.txt文件，则按照这个命令安装这个文件中的依赖包。

pip install -r requirements.txt

4、安装Pytorch

PyTorch是一个开源的机器学习框架，由Facebook的人工智能研究团队（FAIR）开发并维护。它基于Torch库构建，主要用于深度学习、计算机视觉、自然语言处理等领域的应用。PyTorch 以其灵活性、动态计算图和易用性而广受欢迎，尤其在学术界和工业界中被广泛使用。

nvidia-smi  #查看电脑是否有GPU

若不小心安装了错误的pytorch版本，将导致项目无法正常运行，一定要注意！不同版本的pytorch、GPU之间的对应关系可参考这篇文章：

【Pytorch、torchvision、CUDA 各个版本对应关系以及安装指令】_torch和cuda对应关系-CSDN博客

在知道自己的版本要求后，从以下链接，选择对应的命令在终端进行安装（注意这里需要科学上网）： Pytorch

以下检查是否安装成功，在终端输入python，进入Python编译环境，输入以下命令，来检查Pytorch是否安装成功。若出现以下回复，则代表pytorch安装成功。

Python 3.10.16 (main, Dec 11 2024, 16:24:50) [GCC 11.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> print(torch.__version__)
2.5.1+cu124
>>> quit()

5、安装YOLOv11

pip install ultralytics       #先安装这个库，几乎包含yolov11的所需运行环境
git clone https://github.com/ultralytics/ultralytics.git     #克隆yolov11源代码（科学上网）

*注1：

拉取yolov11代码时，git报错：The TLS connection was non-properly terminated.

如果遇到这个bug，需要在终端输入以下命令，它是用来清除Git配置中保存的全局HTTP代理和HTTPS代理设置，让 Git 恢复直连网络（不再通过代理服务器通信）。然后，到这里项目就完成环境配置，大功告成！

git config --global --unset http.proxy
git config --global --unset https.proxy

*注2：

（如果需要标注自己的数据集，则需要下载labelimg，否则可跳过）

pip install labelimg     #下载数据集标注软件
labelimg     #启动该程序

若labelimg出现闪退的现象，可能是python版本和labelimg不兼容，建议使用python=3.9及以上的虚拟环境

*注3：

运行失败可能是yolo11n.pt下载失败（点击下方图片中的蓝色链接），此时需要单独下载pt文件并上传到项目的同级目录内。

下载链接1（Ultralytics官网）：Ultralytics YOLO11 - Ultralytics YOLO Docs

下载链接2（github官网，这里需要科学上网）：ultralytics/ultralytics: Ultralytics YOLO11 🚀

*注4：

若是依赖的第三方库没安装上，则需要返回以上的步骤检查是否安装成功。

6、测试v11能否正常运行

方法1：在终端输入以下命令，需要在虚拟环境下运行。

yolo predict model=yolo11n.pt source='https://ultralytics.com/images/bus.jpg'

方法2：执行python代码,需要在虚拟环境下运行，在README.md文件中也有介绍。

创建一个test.py文件,复制以下代码。

from ultralytics import YOLO
# 加载模型
model = YOLO("yolo11n.pt")
# 训练模型
train_results = model. Train(
    data="coco8.yaml",  # 数据集 YAML 路径
    epochs=10,  # 训练轮次
    imgsz=640,  # 训练图像尺寸
    device="cpu",  # 运行设备，例如 device=0 或 device=0,1,2,3 或 device=cpu)
# 评估模型在验证集上的性能
metrics = model.val()
# 在图像上执行对象检测
results = model("img.png")
results[0].show()

在终端运行命令（在文件的同级目录下，且开启虚拟环境）：