1、硬件环境#

2、下载YOLO源代码#

GitHub - ultralytics/ultralytics at v8.3.163

本文使用的是v8.3.163的版本，因为计算机技术版本迭代版本过快，防止后续出现版本冲突的问题，所以我们尽可能保持版本一致。

3、下载预训练模型#

Releases · ultralytics/assets

因为我们下载的源代码是v8.3.163版本，那么对应的预训练模型的板块就是8.3.0版本

在网页上快捷键按住ctrl+f打开搜索框，输入yolo11n，可以找到yolo系列中最小的几个模型

yolo11n-grayscale.pt对应的是灰度图目标检测模型，yolo11n.pt对应的是目标检测模型，其他模型也是对应其他任务的模型，可以自行查阅。

我们为了后续便于学习，可以先下载yolo11n、cls、obb、pose、seg这五个模型，与yolo源代码放置在一起。

4、下载 Anaconda下载#

Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

下载2024.06-1的版本，防止出现版本更新的版本冲突问题

在安装时，尽量选择安装用户为Just Me，若选择All Users用户后，在后续需要转存文件位置为DEF盘，会出现，环境配置文件在c盘下，主体文件在DEF盘的位置，出现位置不一致，不便于环境配置。

后续的安装默认即可。

打开Anaconda prompt命令行，输入notepad .condarc

再生成的配置文件中，加入第三方镜像源的配置内容，然后保存退出

1
channels:
2
  - defaults
3
show_channel_urls: true
4
default_channels:
5
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
6
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
7
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
8
custom_channels:
9
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
10
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

在命令行中，继续输入type .condarc验证是否保存成功

如果出现找不到文件，可能是给.condarc文件默认添加了文件后缀.txt，可以尝试type .condarc.txt命令，若出现了上面的正确配置内容， 我们需要去对应目录，将文件后缀名.txt删除，然后继续往后进行。

然后继续在命令行输入 pip config set global.index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple，给pip配置镜像源，出现如下，说明配置成功

5、环境配置#

前言：我们安装Anaconda可以很方便的对python环境进行管理，一个项目所需要的python版本以及第三方库的版本是需要相互适应的，高版本的python对应的低版本的第三方库可能就会发生冲突，无法正确运行，这就导致，我们需要将每一个项目分离开来，方便对环境的统一隔离管理。

conda命令与pip命令的使用

6、安装Yolo环境#

这里我们创建名称为yolo3_11的环境，python版本指定为3.11，具体命令可以参考上面的常用命令

输入conda activate yolo3_11切换当前的环境，可以查看前面的（）中的内容，当前的环境。

7、安装pytorch#

本质pytorch其实也是一个第三方库，但是他对系统硬件显卡等有要求，不然无法正确运行，所以在安装前，我们先需要确定我们的硬件设备性能。

显卡的型号，显卡驱动的版本

如果我们是非50系显卡，那么，我们可以在命令行输入nvidia-smi，注意需要在base环境下：

如果该数值大于等于12.8就说明符合要求，我们就可以直接开始安装pytorch，否则需要重新安装显卡驱动。在网页上搜索英伟达显卡驱动，找到手动搜索显卡型号，找到对应驱动，下载一个版本后，一直默认安装即可，安装后重启即可。

pytorch下载网址：Get Started

选择以前的版本，注意不要下载错了，若后续出现了冲突问题，可能难以找到问题根源

将该命令复制到命令行，注意环境的位置，若在base环境下执行，则会将pytorch安装到base环境下，所以我们需要切换到我们需要安装到的环境中。

出现报错了，不要担心，原命令使用官网的方式下载，会很慢，会出现报错。可以使用镜像源下载

1
pip install torch==2.5.0 torchvision==0.20.0 torchaudio==2.5.0 -f https://mirrors.aliyun.com/pytorch-wheels/cu118

在安装完成后，我们输入pip show torch验证安装

进一步对pytorch进行验证

然后，ctrl+z退出即可，到这里没有任何报错，说明pytorch已经成功安装了！

8、安装其他第三方库#

关闭命令行，重新再次打开，找到我们的yolo源代码路径，在命令行中使用pushd命令，其主要与linux中的cd命令一致

然后输入下面的命令，会直接根据其给出的第三方库的列表，会直接自动安装所需的第三方库。

1
pip install -e .

9、运行测试#

模型与源代码放置统一目录下

输入命令 yolo detect predict

预测结果会生成到 runs\detect\predict目录下。