YOLOv11 环境配置教程

YOLOv11 环境配置教程

本教程详细介绍在 Windows 系统下配置 YOLOv11（Ultralytics）环境的步骤，包括 CPU 和 GPU 两种配置方案。

目录

  1. 环境准备
  2. CPU 环境配置
  3. GPU 环境配置
  4. 验证环境
  5. 常见问题

环境准备

1. 安装 Miniconda

Miniconda 是一个轻量级的 Conda 发行版，包含 Conda、Python 和一些基础包。

  • 下载地址: Miniconda 官方下载
  • 安装注意事项:
    • 建议选择 "Just Me" 安装模式
  • 添加环境变量:
    • 打开设置->搜索编辑系统环境变量->点击环境变量->编辑Path
      9
    • 把安装miniconda相应的路径添加到path
      10

2. 验证 Miniconda 安装

打开 PowerShell，执行以下命令验证安装：

conda --version
python --version

屏幕截图 2026-05-11 113812

3. 配置国内镜像源（可选，镜像站访问可能会被拒绝）

为加速下载，推荐配置国内镜像源。在 PowerShell 中执行以下命令：

# 添加清华镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2/

# 添加 PyTorch 镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

其他国内镜像源可选：

# 阿里云镜像（可选）
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main/
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/r/
conda config --add channels https://mirrors.aliyun.com/anaconda/cloud/pytorch/

# 北外镜像（可选）
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/r/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/

恢复默认源（如需）：

conda config --remove-key channels

CPU 环境配置

使用 Miniconda 创建 CPU 环境，已配置国内镜像源后将自动从国内服务器下载：

# 创建 conda 环境（Python 3.11 兼容性最佳）
conda create -n yolov11_cpu python=3.11 -y

2

# 激活环境
conda activate yolov11_cpu

3

# 安装 PyTorch（CPU 版本）
conda install pytorch torchvision torchaudio cpuonly -c pytorch

4

# 安装 ultralytics（使用国内 PyPI 镜像加速）
pip install ultralytics -i https://mirrors.aliyun.com/pypi/simple/

5

验证环境激活:

# 确认当前环境
conda info --envs
# 应显示 yolov11_cpu 带有 * 标记

6

pip 国内镜像配置（可选，永久生效）：

# 配置 pip 使用清华镜像（推荐）
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

# 配置完成后，后续 pip install 无需再指定 -i 参数
pip install ultralytics

其他可选镜像源（当某个镜像不可用时切换）：

# 阿里云镜像
pip install ultralytics -i https://mirrors.aliyun.com/pypi/simple/

# 豆瓣镜像
pip install ultralytics -i https://pypi.douban.com/simple/

# 华为云镜像
pip install ultralytics -i https://repo.huaweicloud.com/repository/pypi/simple/

# 中科大镜像
pip install ultralytics -i https://pypi.mirrors.ustc.edu.cn/simple/

取消 pip 镜像配置（恢复官方源）：

pip config unset global.index-url

GPU 环境配置

使用 Miniconda 创建 GPU 环境，确保 CUDA 可用性和 PyTorch 兼容性。

1. 检查 NVIDIA 驱动

首先确认你的显卡支持 CUDA，并安装了合适的驱动：

# 查看 GPU 信息
nvidia-smi

11

如果命令执行失败，需要先安装 NVIDIA 显卡驱动：

2. 使用 Miniconda 创建 GPU 环境

使用 conda 创建环境可以自动解决 CUDA 依赖问题：

# 创建 conda 环境（Python 3.11 兼容性最佳）
conda create -n yolov11_gpu python=3.11 -y

12

# 激活环境
conda activate yolov11_gpu

16

# 安装 PyTorch（CUDA 12.1 版本）
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

13

# 安装 ultralytics
pip install ultralytics

14

验证环境激活:

# 确认当前环境
conda info --envs
# 应显示 yolov11_gpu 带有 * 标记

15
注意:

  • 使用 conda 安装 PyTorch 会自动配置 CUDA 环境，无需手动安装 CUDA Toolkit
  • 业务包（如 ultralytics）从 PyPI 默认源安装，使用 pip

验证环境

1. 验证 CPU 环境

from ultralytics import YOLO

# 加载 YOLOv11 模型
model = YOLO('yolo11n.pt')

# 测试推理
results = model.predict('https://www.cvworld.cn/ueditor/net/upload/image/20230324/6381525093430627516620581.png', device='cpu')
print("CPU 推理成功！")

1.切换路经（找到上面程序和yolo11n.pt的位置，例如我的是“G:\具身课程\项目7 YOLO\课程代码“）

#根据自己的真实路径进行修改
cd /d "G:\具身课程\项目7 YOLO\课程代码"

8

2. 运行yz.py文件

python yz.py

7

2. 验证 GPU 环境

import torch
from ultralytics import YOLO

# 检查 CUDA 是否可用
print(f"CUDA 可用: {torch.cuda.is_available()}")
print(f"GPU 数量: {torch.cuda.device_count()}")
if torch.cuda.is_available():
    print(f"GPU 名称: {torch.cuda.get_device_name(0)}")

# 使用 GPU 推理
model = YOLO('yolo11n.pt')
results = model.predict('https://www.cvworld.cn/ueditor/net/upload/image/20230324/6381525093430627516620581.png', device='0')
print("GPU 推理成功！")

3. 修改训练配置

将训练参数中的 device 从 "cpu" 切换为 "0"（指定 GPU 编号）：

# CPU 训练
model.train(data='coco128.yaml', epochs=10, device='cpu')

# GPU 训练（单卡）
model.train(data='coco128.yaml', epochs=10, device='0')

# GPU 训练（多卡）
model.train(data='coco128.yaml', epochs=10, device='0,1')

常见问题

问题 1：torch.cuda.is_available() 返回 False

原因分析:

  • NVIDIA 驱动未安装或版本过低
  • CUDA Toolkit 未安装或环境变量未配置
  • PyTorch 安装的是 CPU 版本

解决方案:

  1. 运行 nvidia-smi 确认驱动正常
  2. 检查环境变量 CUDA_PATH 是否正确配置
  3. 使用 conda install 重新安装 GPU 版本的 PyTorch

问题 2：PowerShell 执行激活命令报错

原因: PowerShell 执行策略限制

解决方案:

# 以管理员身份运行 PowerShell
Set-ExecutionPolicy RemoteSigned -Scope CurrentUser

问题 3：pip 安装时出现权限错误

解决方案:

# 确保已激活正确的 conda 环境
conda activate yolov11_cpu  # 或 yolov11_gpu

# 在 conda 环境内安装
pip install ultralytics

问题 4：训练时显存不足

解决方案:

  • 减小 batch 参数（如 batch=8 或 batch=4）
  • 使用更小的模型（如 yolo11n.pt 而非 yolo11x.pt）
  • 设置 imgsz 参数降低输入分辨率
# 显存友好的训练配置
model.train(data='coco128.yaml', epochs=10, device='0', batch=8, imgsz=640)

问题 5：conda 安装时出现 solver 报错

解决方案:

# 使用 classic solver
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia --solver=classic

问题 6：CondaHTTPError: HTTP 403 FORBIDDEN（镜像站访问被拒绝）

原因分析:

  • 清华大学镜像站不对部分地区（如欧盟）提供服务
  • 当前网络 IP 可能被镜像站封禁
  • 镜像站临时维护或限流

解决方案:

方案一：切换到阿里云镜像（推荐）

# 清空现有镜像源配置
conda config --remove-key channels

# 配置阿里云镜像
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main/
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/r/
conda config --add channels https://mirrors.aliyun.com/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

方案二：使用北外镜像

conda config --remove-key channels
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/r/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

方案三：使用 pip 直接安装（绕过 conda 镜像问题）

# 创建环境
conda create -n yolov11_cpu python=3.11 -y
conda activate yolov11_cpu

# 使用 pip 安装 PyTorch（CPU 版本）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

# 安装 ultralytics（使用清华 PyPI 镜像）
pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple

方案四：恢复默认官方源

# 恢复默认源
conda config --remove-key channels

# 清理缓存
conda clean -i

# 重新安装（使用官方源）
conda install pytorch torchvision torchaudio cpuonly -c pytorch

参考资料

posted @ 2026-05-11 10:41  LGQLHT  阅读(92)  评论(0)    收藏  举报