【超详细】跑通YOLOv8之深度学习环境配置3-YOLOv8安装

环境配置3下载安装内容如下：

1、配置清华等镜像源
2、创建环境
3、下载安装Pytorch
4、下载安装YOLOv8运行环境

版本：Python=3.8（要求>=3.8），torch1.12.0+cu113（要求>=1.8）

1、配置清华等镜像源

1.1 配置清华镜像源
直接在anaconda prompt（也可win+R，cmd）下输入以下代码即可。
代码如下：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
#设置搜索时显示通道地址
conda config --set show_channel_urls yes

1.2 配置中科大镜像源
代码如下：

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
 #设置搜索时显示通道地址
conda config --set show_channel_urls yes

1.3 配置上海交通大学镜像源
命令如下：

conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/cloud/conda-forge/
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

1.4 显示添加的镜像源

conda config --show channels

1.5 删除镜像源

conda config --remove-key channels

2、创建环境

2.1 打开anaconda prompt
2.2 输入命令创建新的环境（记得写y进行下一步）：

# 这里环境名可以先用yolo, conda create -n yolo python=3.8
conda create -n 环境名 python=3.8

2.3 激活环境：

activate yolo

2.4 退出环境：

deactivate yolo

3、下载安装Pytorch

3.1 进入Pytorch官网，并下翻找到先前版本位置
官网：https://pytorch.org/

3.2 找到CUDA11.3（前章安装版本）对应的安装命令，这里选择一个Pytorch1.12.0（YOLOv8要求>=1.8版本），复制到终端运行，下载安装时间较长。
命令如下：

# 方式1：
conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.3 -c pytorch
# 方式2：(https://pytorch.org/get-started/previous-versions/)
pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu113

# 验证下载安装是否为gpu版：
import torch
print(torch.__version__)  # 打印torch版本
print(torch.cuda.is_available())  # True即为成功

print(torch.version.cuda)
print(torch.backends.cudnn.version())

4、下载安装YOLOv8运行环境

4.1 下载源代码，并解压
YOLOv8官网：https://github.com/ultralytics/ultralytics

4.2 下载安装YOLOv8运行环境

# 一条命令即可
pip install ultralytics

4.3 终端验证和运行YOLOv8
验证代码如下：

# 方式1：直接运行（可不用下载源码）
yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'

# 方式2：手动下载源码和权重再运行
# cd进入对应源码文件夹
# 会自动下载yolov8n.pt权重文件，若下载失败，去官网手动下载（点击Model对应名字），并放在主目录下
# 图像源码文件夹自带
yolo predict model=yolov8n.pt source='ultralytics/assets/bus.jpg'

显示saved即为成功运行！

预测结果如下：