YOLO11环境配置
相关信息
本教程适用于有独立显卡的电脑
📌安装所需软件
🔥Anacoda3
Anaconda3由于是国外网站下载较慢，推荐通过清华镜像源安装。
选择带有 Anaconda3...Windows...exe 字样的进行下载。
下载完成之后打开Anaconda3进行安装，一直点下一步，选 Just Me
安装路径不建议安装到 C 盘，可以直接复制粘贴修改到 D:\Anaconda3 ,也可以修改到其他路径，最好纯英文路径。
点击下一步后，需要选择添加到环境变量，直接全选安装即可。
🔥Pycharm
安装Pycharm可以直接去官网下载，速度较快。
往下滑，下载免费的社区版就够用了
下载完成后开始安装，一直点下一步，将安装路径换成C盘以外的其他文件夹
📌安装环境
🔥CUDA
提示
下载CUDA前需要先查看显卡支持的CUDA版本最高是多少
按下 win+R ，输入 cmd 打开命令行，输入 nvidia-smi 即可查看
上图红框位置显示即为CUDA最高支持版本，本教程CUDA最高版本达到11.8即可，若没有达到则需要更新显卡驱动。
重要
PyTorch 官方目前主要支持 CUDA 12.1 和 CUDA 11.8，对于更高版本的支持可能较为有限，建议和本教程一致，直接安装 CUDA 11.8
安装完成后打开cmd，输入 nvcc -V,如下图所示即安装成功
🔥cuDNN
进入cuDNN官网，选择与CUDA相匹配版本，下载Windows版本的压缩包文件。。
将压缩包进行解压，解压后得到下图三个文件夹，全选复制进CUDA的文件夹中进行覆盖替换,替换完成后即cuDNN安装完成。
按照本教程下载的CUDA文件夹默认在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8 目录下。
📌安装环境
🔥创建虚拟环境
打开 Anaconda prompt,输入以下指令创建一个名为yolov11，python版本为3.10的虚拟环境。
conda create -n yolov11 python=3.10🔥安装pytorch（GPU版）
打开 Anaconda prompt,输入以下指令进入yolov11环境
conda activate yolov11输入下方命令即可安装pytorch,耐心等待安装完成（需要注意关闭加速软件否则会下载失败）
pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 --extra-index-url https://download.pytorch.org/whl/cu118🔥安装ultralytics库
这个库包含了几乎全部运行yolov11所需的环境，输入以下命令后耐心等待即可
pip install ultralytics📌源码及使用环境
🔥下载YOLO11源码
进入源码地址进行下载。
首先下载源代码压缩包并解压
下滑找到yolo11n.pt，点击下载
将下载的文件放到刚刚解压的源码根目录下
🔥Pycharm导入环境
用Pycharm打开刚刚的项目源码，添加新的本地解释器
按下图选择环境后点击确定即可
📌验证环境
在源码根目录下新建 val.py 文件
from ultralytics import YOLO
if __name__ == '__main__':
# 加载模型
model = YOLO(model=r'yolo11n.pt')
# 进行推理
model.predict(source=r'ultralytics/assets/bus.jpg', # source是要推理的图片路径这里使用yolo自带的图片
save=True, # 是否在推理结束后保存结果
show=True, # 是否在推理结束后显示结果
project='runs/detect', # 结果的保存路径
)运行后输出如下图即环境正常。
🔥NumPy版本问题
如果提示NumPy版本不兼容相关的错误
打开 Anaconda prompt ,进入 yolov11 环境
conda activate yolov11输入以下命令，安装1.23.5版本的NumPy
pip install numpy==1.23.5
使用以下命令可以查看当前的NumPy版本
pip show numpy