windows上yolov8环境搭建安装教程

如果已经安装过anaconda3或miniconda3，可跳过此步骤

首先访问镜像站点：mirrors.tuna.tsinghua.edu.cn/anaconda/archive/，选择所需版本进行下载。推荐使用Anaconda3-2021.05-Windows-x86_64.exe，当然你也可以选择更新的版本。下载完成后双击运行安装程序（安装过程稍慢，请耐心等待）。点击Next进入下一步，选择“Just Me”选项，后续提示界面若无特殊说明，直接点击Next或I agree即可，其余均采用默认设置。

安装路径建议不要使用C盘，以避免占用系统盘空间并防止权限问题。推荐选择非系统盘的全英文路径，避免使用中文或空格。

务必勾选“Add Anaconda to my PATH environment variable”选项，确保将Anaconda添加到系统环境变量中。若未勾选，后续需手动配置。

安装完成后，打开“开始菜单 → Anaconda3 → Anaconda Prompt”，在命令行输入python，查看是否正常显示Python版本信息。

创建虚拟环境

使用Anaconda Prompt创建独立虚拟环境（yolov8为环境名称，可自定义；python=3.10指定Python版本，可根据需要调整，常用版本如3.8、3.9、3.10均可）

conda create -n yolov8 python=3.10

按回车后，系统提示是否继续，输入y并回车确认两次。

码上飞

码上飞（CodeFlying） 是一款AI自动化开发平台，通过自然语言描述即可自动生成完整应用程序。

138

查看详情

为提升后续包下载速度，建议配置国内镜像源：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

【CPU版本安装方式】

若电脑无NVIDIA显卡，可直接使用以下命令安装YOLOv8：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ultralytics

该命令会自动安装YOLOv8所需的所有依赖，包括PyTorch和OpenCV。若有NVIDIA显卡，请参考GPU版本安装方法，跳过此步骤。

【GPU版本安装方式】

首先安装支持CUDA的PyTorch版本（注意：PyTorch自带CUDA组件，无需单独安装CUDA Toolkit）

pip install torch==2.3.0+cu118 torchvision==0.18.0+cu118 -f https://download.pytorch.org/whl/torch_stable.html

若下载速度较慢，可尝试阿里云镜像：

pip install torch==2.3.0+cu118 torchvision==0.18.0+cu118 -f https://mirrors.aliyun.com/pytorch-wheels/cu118

安装完成后，再安装YOLOv8主库：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ultralytics

此时安装的是GPU加速版本的YOLOv8。区别在于PyTorch能否调用CUDA进行计算加速，CUDA为NVIDIA推出的并行计算平台，因此仅支持NVIDIA显卡。AMD显卡不支持CUDA，部分型号虽支持GPU加速，但使用的是ROCm等技术，并非CUDA。

至此，YOLOv8环境已配置完成。如需进行图形界面开发，可额外安装PyQt5工具包：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyqt5-tools

该命令将自动安装PyQt5及相关依赖，可用于界面设计与开发。注意：PyQt5最高仅支持至Python 3.11，Python 3.12及以上版本不兼容，建议在创建虚拟环境时避免使用Python 3.12或3.13，以防影响PyQt5项目的运行。

以上就是windows上yolov8环境搭建安装教程的详细内容，更多请关注php中文网其它相关文章！