在 Windows 上使用 Anaconda 创建 配置 YOLOv8虚拟环境，并更改 pip 源以及以 可编辑模式 安装ultralytics

最新推荐文章于 2025-05-08 18:06:57 发布
最新推荐文章于 2025-05-08 18:06:57 发布
阅读量1.2k 收藏 11
点赞数 15
分类专栏： 环境配置与工具使用 文章标签： YOLO 深度学习 目标检测
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。
本文链接：https://blog.csdn.net/weixin_44115575/article/details/147281802
版权

目录

1. 安装 CUDA 和 cuDNN

1.1 下载并安装 CUDA

1.2 下载并安装 cuDNN

1.3 设置环境变量

2. 创建 Python 3.8 的 Anaconda 虚拟环境

2.1 安装 Anaconda

2.2 创建虚拟环境

3. 离线安装 PyTorch 和 torchvision

3.1 下载 whl 文件

3.2 安装 whl 文件

4. 更改 pip 源

4.1 查看当前 pip 源

4.2 临时更改 pip 源

4.3 永久更改 pip 源

5. 可编辑模式安装ultralytics

6. 验证

1. 安装 CUDA 和 cuDNN

首先，确保NVIDIA 显卡支持 CUDA，并安装相应版本的驱动程序。

通过英特尔的显卡控制面板查看显卡驱动支持的CUDA版本

首先鼠标右击桌面-显示更多选项-NVIDIA控制面板-点击弹出界面左下角的(系统信息)-点击弹出界面的组件。

或者通过win+R命令nvidia-smi。（一定要提前安装好英伟达显卡）
如下12.7，表示最高可装12.7版本CUDA，与上图中的支持的最高cuda版本一致。自己安装的版本可以低一点。

1.1 下载并安装 CUDA

  1. 下载 CUDA：访问 NVIDIA 官方网站，下载与您的显卡和操作系统兼容的 CUDA 版本。例如，CUDA 11.3。
    这里不再赘述安装cuda的过程，推荐一篇博文以供参考，比较简单。深度学习环境搭建（GPU）CUDA安装（完全版）_cuda环境配置-CSDN博客

  2. 安装 CUDA：运行下载的安装程序，按照提示完成安装。建议选择默认安装选项。

1.2 下载并安装 cuDNN

  1. 下载 cuDNN：前往 NVIDIA cuDNN 下载页面，下载与您安装的 CUDA 版本匹配的 cuDNN 版本。例如，cuDNN 8.2 对应 CUDA 11.x。

  2. 安装 cuDNN：

    • 解压下载的 cuDNN 文件。

    • 将 bin、include 和 lib 文件夹中的内容复制到相应的 CUDA 安装目录下。例如，将 bin 中的文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin。

1.3 设置环境变量

  1. 打开环境变量设置：右键点击“此电脑” > “属性” > “高级系统设置” > “环境变量”。

  2. 添加系统变量：

    • CUDA_HOME：变量名填写 CUDA_HOME，变量值填写 CUDA 安装路径，例如 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3。

    • Path：编辑 Path 变量，添加以下路径：

      • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin

      • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp

      • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include

      • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64

2. 创建 Python 3.8 的 Anaconda 虚拟环境

使用 Anaconda 创建虚拟环境，有助于管理不同项目的依赖。

2.1 安装 Anaconda

  1. 下载 Anaconda：前往 Anaconda 官方网站，下载适用于 Windows 的 Anaconda 安装包。

  2. 安装 Anaconda：运行安装程序，建议选择默认安装选项，并将 Anaconda 添加到系统环境变量中。

2.2 创建虚拟环境

  1. 打开 Anaconda Prompt：在开始菜单中搜索并打开 Anaconda Prompt。

  2. 创建环境：执行以下命令创建名为 yolov8_env 的 Python 3.8 环境：

    conda create -n yolov8_env python=3.8

  3. 激活环境：执行以下命令激活新创建的环境：

    conda activate yolov8_env

3. 离线安装 PyTorch 和 torchvision

由于网络原因，可能需要离线安装 PyTorch 和 torchvision。

3.1 下载 whl 文件

  1. 访问 PyTorch 官方离线安装页面（这样更快）：前往 PyTorch 官方离线安装页面。

  2. 选择版本：根据您的系统和 CUDA 版本，选择适当的 whl 文件。例如，对于 Python 3.8、CUDA 11.3，选择 torch-1.12.0+cu113-cp38-cp38-win_amd64.whl 和 torchvision-0.13.0+cu113-cp38-cp38-win_amd64.whl。

  3. 下载文件：复制链接用迅雷下会更快，将选定的文件下载到本地计算机。

3.2 安装 whl 文件

  1. 打开 Anaconda Prompt：确保已激活 yolov8_env 环境，切换到.whl文件所在路径。

  2. 安装 PyTorch：执行以下命令安装 PyTorch：

    pip install torch-1.12.0+cu113-cp38-cp38-win_amd64.whl

  3. 安装 torchvision：执行以下命令安装 torchvision：

    pip install torchvision-0.13.0+cu113-cp38-cp38-win_amd64.whl

4. 更改 pip 源

更改 pip 源可以加速包的下载速度，特别是在中国地区。

4.1 查看当前 pip 源

执行以下命令查看当前配置的 pip 源：

pip config list

4.2 临时更改 pip 源

在安装包时，使用 -i 参数指定临时源。例如，使用阿里云源安装包

pip install 包名 -i https://mirrors.aliyun.com/pypi/simple/

4.3 永久更改 pip 源

  1. 获取 APPDATA 目录：执行以下命令获取 APPDATA 目录路径：

    echo %APPDATA%

    假设输出为 C:\Users\YourUsername\AppData\Roaming。

  2. 创建或编辑 pip 配置文件：在 C:\Users\YourUsername\AppData\Roaming\pip 目录下，创建或编辑 pip.ini 文件，添加以下内容：

    [global]
index-url = https://mirrors.aliyun.com/pypi/simple/

  3. 保存并关闭文件：保存更改后，pip 将默认使用阿里云源进行包的下载和安装。

5. 可编辑模式安装ultralytics

在开发过程中，直接使用 pip install ultralytics 安装 YOLOv8 库，会将其安装到 Python 环境的 site-packages 目录中。这样，如果您在本地修改了 YOLOv8 的源码，这些改动不会直接反映到已安装的库中，因为 pip 安装的版本是独立的。

为了解决这个问题，建议使用 可编辑模式（editable mode）安装 YOLOv8。

pip install -e .（即--editable模式）通过在Python的site-packages目录创建当前项目目录的符号链接，允许开发者在不复制代码的情况下将本地项目安装到环境中，使得对源代码的任何修改可立即生效，无需重新安装，从而大幅提升开发效率，适用于项目开发、调试或依赖本地未发布的版本时使用，但需确保当前目录包含setup.py或pyproject.toml文件以定义包结构。

克隆 YOLOv8 仓库： 首先，从 GitHub 克隆 YOLOv8 的源代码：

git clone https://github.com/ultralytics/ultralytics.git

进入项目目录： 进入克隆下来的 ultralytics 目录：

cd ultralytics

安装依赖： 确保您已经激活了之前创建的 Anaconda 虚拟环境，然后安装项目的依赖：

pip install -r requirements.txt

没有requirements.txt的话，检查是否有 pyproject.toml 或 environment.yml文件，里面有相关依赖库的说明。

以可编辑模式安装： 使用以下命令将 YOLOv8 安装为可编辑模式：

pip install -e .

6. 验证

输入下面python代码验证是否装好。

import torch
print(torch.__version__)  #注意是双下划线
print(torch.version.cuda)
print(torch.cuda.is_available())
print(torch.cuda.get_device_name())

输出如下就安装成功了。

【YOLOv8系列】在Windows上从零搭建YOLOv8图像算法运行环境--by Anaconda（包括各种遇到的问题及解决方法）
AnChenliang_1002的博客
07-23 714
最近需要使用YOLOv8实现图像分类的功能，因此记录一下环境搭建的整个过程，本文记录的是通过Anaconda的方式搭建该环境，期间遇到了一些环境配置上的问题，也详细记录了解决过程。
【YOLOv8系列】在Windows上离线搭建YOLOv8运行环境
AnChenliang_1002的博客
07-31 1146
我们都知道，通过 pip安装YOLOv8是非常方便的，但是有时候网络环境受到限制，比如公司的工作站（无法连接网络）或者机房的教学机器等等，只能通过离线的方式安装YOLOv8；今天就来记录一下离线搭建YOLOv8运行环境的过程。并记录了遇到的问题及解决过程。
pip，conda换源
NUT_0的博客
07-19 420
文件的位置：C:\Users(你的用户名).condarc。方法二：修改 .condarc 文件。文件的位置：~/.condarc。需要两个**–name**创建失败可以尝试清除缓存。下载到本地可以使用镜像。执行命令后一路yes。
pip install ultralytics & git clone https://github.com/ultralytics/ultralytics.git
weixin_38876282的博客
10-24 1111
git 中。
手把手教你配置环境:解决no module named ultralytics_no module named cv2_no module named numpy PIL问题
QQ_1309399183的博客
03-26 455
手把手教你配置环境:解决no module named ultralytics_no module named cv2_no module named numpy PIL问题
Ultralytics(YOLOv8)的环境部署与安装
Joining667的博客
03-23 2万+
YOLOv8 是 ultralytics 公司在 2023 年 1月 10 号开源的 YOLOv5 的下一个重大更新版本，目前支持图像分类、物体检测和实例分割任务。
【ultralytics Yolo 目标检测】安装教程
king_kun_的博客
02-19 1208
2024年9月30日，Ultralytics正式发布，这是YOLO系列在目标检测领域的最新突破。本教程将详细讲解，并提供。
Ultralytics使用pip install -e .安装时问题
weixin_44098238的博客
12-06 2798
使用find命令在指定的文件夹中搜索名称为.ipynb_checkpoints的目录(-type d)。-exec选项用于对找到的每个目录执行rm -rf命令。产生该错误的原因是在其他环境下运行时用过jupyerlab/jupyter notebook， 在多个文件夹下产生了缓存文件“.ipynb_checkpoints”，删除这些文件即可。：在安装之前，已在其他环境中使用过ultralytics，并且使用jupyerlab运行过；使用命令删除所有’.ipynb_checkpoints’文件。
Ubuntu20.04配置深度学习+yolov5+yolov7环境
nonobodyyy的博客
04-29 2961
若提示没有该模块，回去检查吧，哪步有问题，再重新开始执行；这时不区分不影响anaconda的正常使用，但pytorch和tensorflow对这Linux中自带的python3和anaconda中的python的使用需求不同，后期需要进行两者的切换。在“四、pytorch-cpu安装”中已经展示了如何安装pytorch-cpu版本了，这可以让你在不使用gpu时也能对代码进行调试验证，也就是import torch是可以正常导入的，但torch.cuda.is_available()会返回False。
【详细图文】使用MobaXterm的SSH功能远程连接服务器，并创建pytorch环境，使用yolov8训练数据集
最新发布
qq_62844901的博客
05-08 809
使用MobaXterm的SSH功能远程连接服务器，并创建pytorch环境，使用yolov8训练数据集，以及MobaXterm使用介绍和linux基础命令介绍。
保姆级 YOLOV5 环境配置之cpu版本
m0_69239380的博客
02-04 1928
保姆级配置yolov5环境，手把手教，亲测0失败
ultralytics离线安装包
05-11
ultralytics离线安装包
YOLOv8中Ultralytics安装与配置
m0_57442556的博客
09-24 3775
YOLOv8中Ultralytics安装与配置
一文教会你如何对pip、conda换源/查看当前源/删除当前源保留默认源
热门推荐
qq_40818172的博客
12-06 2万+
对pip install和conda install的区别做个小结 pip如何换源，查看当前源，删除当前源 conda如何换源，查看当前源，删除当前源
安装 yolov8 (ultralytics) ，验证目标检测demo
musk1212的博客
03-20 913
2.6.0+cpu。
pip install ultralytics &amp； git clone https github
2401_84138968的博客
04-17 604
git 中ultralytics是一样的。总结来说，面试成功=基础知识+项目经验+表达技巧+运气。我们无法控制运气，但是我们可以在别的地方花更多时间，每个环节都提前做好准备。面试一方面是为了找到工作，升职加薪，另一方面也是对于自我能力的考察。能够面试成功不仅仅是来自面试前的临时抱佛脚，更重要的是在平时学习和工作中不断积累和坚持，把每个知识点、每一次项目开发、每次遇到的难点知识，做好积累，实践和总结。
conda及pip换源
zdzzzzz的博客
12-01 875
conda及pip换源
conda pip 更换镜像源
weixin_43580966的博客
03-13 1503
关于conda pip配置镜像源的问题
pycharm使用anaconda的虚拟环境，新建虚拟环境，使用pip命令安装python包
leomcl的博客
08-15 759
在下载的anaconda下有一个envs文件夹，打开该文件夹，在路径位置输入"cmd"，回车进入命令提示窗口。新建的路径有三个，分别是你的anaconda的安装路径，Scripts路径，Library下的bin路径。链接：https://pan.baidu.com/s/1Wg9cb2JfRqIIMLsqJ75nBA。在搜索栏查找“高级系统变量”，依次点击“环境变量”-系统环境变量里的"Path"-"编辑"-"新建"1.新建虚拟环境：python -m venv your_env_name。
怎么用pycharm使用yolov8模型训练
03-16
### 配置和运行 YOLOv8 模型训练 #### 1. 安装 PyCharm 并设置开发环境 为了在 PyCharm 中使用 YOLOv8 进行模型训练，首先需要安装合适的集成开发环境 (IDE)，即 PyCharm。可以从官方下载页面获取最新版本的 PyCharm[^1]。 完成安装后，启动 PyCharm，并确保已启用支持 Anaconda 的插件功能以便管理虚拟环境。 --- #### 2. 创建并激活 Conda 虚拟环境 YOLOv8 对 Python 版本有一定要求，在此推荐使用 Python 3.10 或更高版本来构建虚拟环境。通过以下命令创建名为 `yolov8` 的虚拟环境： ```bash conda create -n yolov8 python=3.10 ``` 随后激活该虚拟环境以准备后续依赖项的安装： ```bash conda activate yolov8 ``` 如果未来不再需要这个虚拟环境，可以随时删除它，具体操作如下所示之一即可实现清理工作： ```bash conda env remove -n yolov8 ``` 或者指定路径移除整个目录结构下的相关内容[^3]。 --- #### 3. 在 PyCharm 中配置虚拟环境作为解释器 打开项目设置对话框 (`File -> Settings`) 后导航至 `Project: your_project_name -> Python Interpreter` 子菜单下拉列表选项卡处找到新增按钮图标点击弹窗界面里搜索刚才建立好的 conda 环境名称 “yolov8”，选定之后确认保存更改生效。 假如发现无法定位到对应位置，则可能是因为未正确初始化或存在权限冲突等问题引起；此时可尝试手动输入完整绝对路径指向目标文件夹内的 executable 文件（通常位于类似于 C:\Users\<username>\Anaconda3\envs\yolov8\python.exe 地址上）。 --- #### 4. 安装必要的库与框架 进入终端窗口执行 pip 命令加载 ultralytics 库以及其他必需组件包： ```bash pip install ultralytics ``` 这一步骤会自动处理大部分基础需求，但如果有额外扩展模块缺失情况发生时也需单独补充说明文档中的其他建议清单条目[^2]。 --- #### 5. 加载自定义数据集并调整参数设定 按照教程指引准备好本地存储的数据集合及其标注信息格式转换成 COCO JSON 标准样式后上传至代码仓库根目录附近方便调用读取访问。 编辑 YAML 配置描述档明确指明类别标签数量以及划分比例分配细节等内容字段值范围合理合法合规满足算法预期输入形式标准。 --- #### 6. 编写脚本来触发训练过程 最后编写一段简单的 Python 脚本用于发起实际的学习迭代循环动作演示效果验证成果展示环节部分逻辑片段示意例如下面这样子呈现出来供参考学习借鉴用途而已并非最终定稿版正式上线部署前还需要经过多轮测试优化改进完善才能达到理想状态水平高度层次之上更进一步追求卓越品质表现力强弱对比分析评估考量因素众多复杂多样难以简单概括总结一句话表达清楚明白无误才行哦！ ```python from ultralytics import YOLO # Load a model model = YOLO('yolov8n.yaml') # build a new model from scratch # Use the model results = model.train(data='coco128.yaml', epochs=100, imgsz=640) # train the model success = model.val() # evaluate model performance on the validation set ``` 上述代码展示了如何利用预定义模板快速搭建起基本架构雏形框架图景轮廓线条勾勒描绘大致方向趋势走向脉络清晰可见一斑。 ---
评论
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