一文带你快速配置YOLO8运行环境_yolov8环境配置没有nvidia

本文介绍如何快速配置YOLO8环境，开门见山，我们直接步入正题

前置条件:电脑中已经安装配置好anaconda、或者miniconda、或者python venv虚拟环境中的任意一种(如果电脑中没有这些软件环境，可自行百度安装配置，网上教程很多，优先选择anaconda，后面会解释)

重要说明：YOLO8环境分为CPU环境与GPU环境，选择任意一种即可。鼓励有英伟达显卡的用户优先选择GPU环境，速度会快很多很多

适合选择CPU环境的情况：

(1)电脑上没有英伟达显卡(N卡)

(2)安装不好英伟达显卡驱动以及CUDA工具包并且可以接受检测速度慢

(3)觉得配置gpu环境麻烦的用户(因为如果你看了第3章节，你会发现配置CPU的YOLO8环境只需要一行命令，比配置GPU的YOLO8环境简单不止10倍)

适合选择GPU环境的情况：电脑上有英伟达独立显卡(显存大小不限但最好2G以上)且已经安装好英伟达显卡驱动。注意一定是英伟达的独立显卡，不是AMD显卡更不是集成显卡！

Tips :电脑上有英伟达显卡，如何知晓显卡驱动是否安装？

答：打开电脑的命令行窗口，键入 nvidia-smi命令，如果有输出则安装成功，如下图所示：

若电脑上有英伟达显卡但是没有安装显卡驱动，请百度相关教程，网上教程较多。 

第1章节：创建虚拟环境

说明：anaconda、venv等都可以，虚拟环境的python版本不强制要求，但建议3.8以上。

前置条件：你的电脑中正确安装配置了anaconda、venv等其中的一种

下面以anaconda新建虚拟为例，在anaconda环境下新建一个环境。可以使用windows cmd命令行(前提是配置好anaconda环境变量)，当然也可以使用 Anaconda Powershell Prompt（推荐使用这种方式）

​

然后输入下面的命令新建一个名为yolo8的环境(我这里以虚拟环境名yolo8，python版本为3.10为例子) 

conda create -n yolo8 python==3.10

创建好环境之后，将anaconda由base环境切换到刚刚新建好的yolo8环境

conda activate yolo8

切换到对应的conda环境之后，下面安装配置YOLO8的运行环境，首先介绍GPU环境，然后介绍CPU环境。

第2章节：GPU环境下YOLOV8环境配置

说明：如果你的电脑不具备GPU环境，请直接跳到下一章节。

前置要求：需要你的电脑有英伟达显卡且安装了显卡驱动（nvidia-smi命令有返回）

2.1 去Pytorch官网安装GPU版本的Pytorch

在第1章节中，用anaconda创建好一个名为yolo8的虚拟环境之后，激活进入该环境中，进行下列操作。 

不就是安装Pytorch吗？直接conda install pytorch 或者 pip install pytorch不就好了？如果这样做的话，就安装错了，这样安装的是cpu版本的pytorch并且没有为名为yolo8的虚拟环境安装cuda工具包(运行时环境) 。我们需要执行下面的命令之一，为名为yolo8的虚拟环境正确安装gpu版本的pytorch。在执行下面的命令之前，我们需要仔细确认自己电脑的英伟达显卡驱动支持的最高cuda版本。具体做法是，命令行窗口输入nvidia-smi，返回的 CUDA Version即为支持的CUDA最高版本。详细见下图所示：

可以看到，本人电脑的显卡驱动所支持的最高 CUDA版本是11.7（意思是最高可以安装cuda 11.7或者比cuda 11.7 低的）。那么我们需要去pytorch官网找到与cuda 11.7版本对应的安装命令或者比CUDA11.7低的安装命令。

如上面截图所示，这个页面上可以让我们选择安装方式（conda安装、pip安装....）对应的OS版本、CUDA版本等等，页面会自动生成安装命令。但是上面的页面所显示的支持CUDA 11.8和 CUDA12.1，没有我们想要的CUDA11.7，那么我们就需要进入pytorch的历史版本页面，如下图：

进入pytorch历史版本页面后（如下面的截图所示）我们直接复制命令执行了就好了

可以看到CUDA11.7对应的conda 安装方式的命令是这样的:

conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia

我们直接复制，在名为yolo8的conda环境下执行:

当然我们还可以选择pip命令安装，直接从页面复制命令在名为yolo8的conda环境命令行窗口执行（注意，conda安装、pip安装两种方式任选其一即可，不可重复）

当然，由于我们电脑显卡驱动所支持的最高CUDA版本是11.7，可以向下兼容，我完全还可以在pytorch官网选择CUDA 11.6 CUDA 11.3 的安装命令，切记只低不高，非特殊情况最好完全对应。 

再举一个例子，又比如，另外一个电脑英伟达显卡驱动所支持的CUDA版本为11.3

我们在Pytorch历史版本界面一直向下翻，直到找到为止。 （这次我们以pip安装为例）

直接复制安装命令，在名为yolo8的conda虚拟环境下执行。

2.2 安装ultralytics

选择conda或者pip安装好GPU版本的pytorch之后，我们继续为名为yolo8的conda虚拟环境安装YOLOV8的pip包(说明：yolo8官方称为ultralytics,因此我们说的yolo8其实就是ultralytics)

我们直接执行下面的命令，安装Yolov8的源码也自动为我们安装全部依赖(opencv、numpy等等)

例如：

pip install ultralytics==8.0.170 #安装指定版本的ultralytics

pip install ultralytics #安装最新版本的ultralytics

自此， GPU下YOLO8环境配置，全部完成。

第3章节：CPU环境下YOLO8环境配置

说明：在CPU环境下项目视频检测和摄像头检测速度会比较慢

在第1章节，为项目创建好虚拟环境之后（还是以名为yolo8的虚拟环境为例子） 激活并进入该虚拟环境，后键入下面的命令直接安装YOLO8源码（官方名称为ultralytics）

例如：

pip install ultralytics==8.0.170 #安装指定版本的ultralytics

pip install ultralytics #安装最新版本的ultralytics

没错，就是那么简单，甚至都不用我们去额外安装pytorch、opencv、numpy之类的包，这是因为pip install ultralytics这个命令安装YOLO8源码的同时，检查到环境中如果还没有pytorch，这时候会为我们安装cpu版本的pytorch，而pytorch又会关联opencv等等，但是如果环境中已经有了pytorch就不再为我们安装Pytorch了。

以上就是YOLO8环境快速配置，适用于win/linux系统。