Windows + WSL2 + YOLOv8 深度学习环境搭建手册
没问题！这份文档整理了从“零基础”到“完美运行 YOLOv8”的全套流程。
我将其格式化为标准的 Markdown 技术文档。您可以直接点击右上角的“复制”按钮，将其保存到 Notion、Obsidian、Word 或记事本中，作为您专属的《AI 开发环境搭建手册》。
Windows + WSL2 + YOLOv8 深度学习环境搭建手册
适用系统：Windows 10 / Windows 11
目标：构建一套基于 WSL2 (Ubuntu) 的专业级 AI 开发环境，支持 GPU 加速，使用 VS Code 进行可视化开发。
最后更新：2026-01-13
第一阶段：Windows 基础环境准备
在 Windows 系统下进行操作，为安装 Linux 子系统做准备。
1. 安装 Visual Studio Code (VS Code)
- 下载地址：https://code.visualstudio.com/
- ⚠️ 关键步骤：在安装过程中，当看到“选择附加任务”界面时，必须勾选以下 4 项：
2. 安装 WSL 插件
- 打开 VS Code，点击左侧扩展栏（方块图标）。
- 搜索
WSL，安装由 Microsoft 开发的第一个插件。
3. 开启 WSL2 子系统
-
右键点击 Windows“开始”按钮，选择 “终端 (管理员)” 或 “PowerShell (管理员)”。
-
输入以下指令并回车：
PowerShell
wsl --install -
重启电脑。重启后会自动弹出 Ubuntu 窗口，根据提示设置
username(用户名) 和password(密码)。
第二阶段：Ubuntu 系统内部配置
以下操作均在 Ubuntu 黑框终端 中进行。
1. 迁移工作区 (可选)
如果希望默认在非系统盘（如 E 盘）工作，执行以下命令修改启动路径：
Bash
echo "cd /mnt/e" >> ~/.bashrc
source ~/.bashrc
2. 安装 Miniconda (Python 环境管理器)
依次执行以下三组指令：
-
下载脚本：
Bash
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -
运行安装：
Bash
bash Miniconda3-latest-Linux-x86_64.sh- 交互提示：按回车阅读协议 -> 输入
yes同意 -> 遇到安装路径直接按回车 -> 遇到init初始化输入yes。
- 交互提示：按回车阅读协议 -> 输入
-
激活环境：关闭终端重新打开，看到命令行前出现
(base)即成功。
3. 安装图形依赖库
解决 OpenCV 处理图片时的报错：
Bash
sudo apt update
sudo apt install libgl1 -y
第三阶段：部署 YOLOv8 环境
为了保持环境纯净，我们将为 YOLO 建立独立的虚拟环境。
1. 创建并激活虚拟环境
Bash
# 1. 创建名为 yolov8 的环境，指定 Python 3.9
conda create -n yolov8 python=3.9 -y
# 2. 激活该环境 (看到前缀变为 (yolov8) 才算成功)
conda activate yolov8
(注：如果 conda create 报错提示 Terms of Service，需先运行 conda tos accept 相关指令)
2. 安装 YOLOv8 (使用国内镜像加速)
Bash
pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple
3. 验证 GPU 加速状态
运行以下 Python 代码检查显卡是否被识别：
Bash
python -c "import torch; print(f'GPU Available: {torch.cuda.is_available()}')"
- 输出结果：
GPU Available: True代表成功。
第四阶段：项目实战与运行 SOP
1. 建立项目文件结构
Bash
# 假设在 E 盘
mkdir my_yolo_project
cd my_yolo_project
mkdir images
2. 准备模型文件 (解决网络下载失败问题)
由于国内 GitHub 连接不稳定，建议采用手动搬运法：
- Windows 端下载：下载 yolov8n.pt 文件
- Linux 端接收：在终端输入
explorer.exe .打开文件夹。 - 操作：将下载好的
yolov8n.pt拖入 Linux 打开的文件夹中。
3. 编写与运行代码
在终端输入 code . 启动 VS Code，新建 predict.py：
Python
from ultralytics import YOLO
# 加载本地模型
model = YOLO('yolov8n.pt')
# 进行预测 (source 可以是图片路径，也可以是文件夹)
# save=True 会自动将结果保存到 runs/detect/predict 目录
model.predict(source='images', save=True)
运行命令：
Bash
python predict.py
附录：日常开发操作“口诀”
以后每次开始工作，只需执行这 4 步：
- 开终端：点击 Ubuntu 图标。
- 进目录：
cd 您的项目文件夹(如果没设置自动跳转)。 - 换环境：
conda activate yolov8(最容易忘的一步)。 - 开工具：
code .(启动 VS Code)。
浙公网安备 33010602011771号