Yolo环境配置总结（二）-Anaconda环境配置

多个开发环境思路：

1）在Anaconda安装目录下的envi文件内新建一个名为python_yolo的文件（没有envs文件夹就自己新建）

2）将yolo整个安装目录复制python_yolo

1.在网站下载对应版本的torch和torchvision的whl文件

https://download.pytorch.org/whl/torch_stable.html

2.新建虚拟环境

1	conda create -n YOLOV11 python=3.9

3.查看虚拟环境

1	conda info -e

4.激活虚拟环境

1	activate YOLOV11 conda env list deactivate conda env remove -n 你的环境名称

5.安装相关库

1 2 3 4 5 6 7 8 9 10 11 12

pip3 install opencv-python==4.4.0.46 -i https://pypi.tuna.tsinghua.edu.cn/simple/ pip3 install numpy==1.19.2 -i https://pypi.tuna.tsinghua.edu.cn/simple/ pip3 install Cython==0.29.21 -i https://pypi.tuna.tsinghua.edu.cn/simple/ pip3 install pillow==8.0.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/ pip3 install matplotlib==3.3.2 -i https://pypi.tuna.tsinghua.edu.cn/simple/ pip3 install pyyaml==5.3.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/ pip3 install tensorboard==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/ pip3 install scipy==1.5.2 -i https://pypi.tuna.tsinghua.edu.cn/simple/ pip3 install tqdm==4.54.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/ pip3 install pandas==1.1.3 -i https://pypi.tuna.tsinghua.edu.cn/simple/ pip3 install seaborn==0.11.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/ pip3 install pycocotools==2.0.2 -i https://pypi.tuna.tsinghua.edu.cn/simple/

6.安装torch

将路径跳转到步骤1中下载的文件位置，使用pip install .....whl 格式来安装whl文件

7.验证

1 2 3 4 5 6 7

import torch #查看版本 print(torch.__version__) #查看gpu是否可用.返回True则表示可以使用gpu torch.cuda.is_available() #返回设备gpu个数 torch.cuda.device_count()

8.图像检测

1	python detect.py

9.调用摄像头

1	python detect.py --source 0

10.在vs中加载在conna中配置好的环境，此时这个环境缺少依赖，在vs中的虚拟环境上右键安装requirements.txt