yolo11 深度学习环境搭建

发表于 更新于 阅读次数： 阅读次数：

基础搭建

  • 创建虚拟环境

    1
    conda create -n yolo11 python=3.11 -y

  • 安装ultralytics

    我们使用源代码进行安装

    1
    2
    3
    4
    cd /home
    git clone https://github.com/ultralytics/ultralytics.git
    cd ultralytics
    pip install -e .

    这段命令会安装你下载的ultralytics，安装完成后pip list你就会发现包会有一个路径，就表示安装成功了。

    1
    ultralytics              8.3.193     /home/ultralytics

  • 安装pytorch

    根据你的硬件配置选择合适的 PyTorch 版本。如果有 NVIDIA GPU，建议安装 CUDA 版本；如果只有 CPU，安装 CPU 版本即可。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    # 激活环境
    conda activate yolo11

    # 如果有 NVIDIA GPU，访问 https://pytorch.org/ 获取最新的 CUDA 版本安装命令
    # 例如 CUDA 12.8 版本：
    pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

    # 如果只有 CPU：
    # pip install torch torchvision torchaudio

  • 验证，推理

    验证 PyTorch 和 CUDA 是否正确安装

    1
    2
    3
    4
    5
    6
    7
    import torch
    print(f"PyTorch 版本: {torch.__version__}")
    print(f"CUDA 可用: {torch.cuda.is_available()}")
    if torch.cuda.is_available():
        print(f"CUDA 版本: {torch.version.cuda}")
        print(f"GPU 数量: {torch.cuda.device_count()}")
        print(f"GPU 名称: {torch.cuda.get_device_name(0)}")

    输出

    1
    2
    3
    4
    5
    PyTorch 版本: 2.8.0+cu128
    CUDA 可用: True
    CUDA 版本: 12.8
    GPU 数量: 1
    GPU 名称: NVIDIA L20

    简单的推理示例

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    from ultralytics import YOLO

    # 加载预训练模型
    model = YOLO('yolo11n.pt')  # 会自动下载模型

    # 对图片进行推理
    results = model('path/to/your/image.jpg')

    # 显示结果
    results[0].show()

    # 保存结果
    results[0].save('output.jpg')

    或者使用命令行进行推理

    1
    yolo predict model=yolo11n.pt source='path/to/your/image.jpg'