940 字

5 分钟

YOLOv8 深度学习环境搭建

2025-11-26

深度学习

YOLOv8

/

深度学习

/

PyTorch

/

Conda

/

环境搭建

...

YOLOv8 深度学习环境搭建全纪录 (VSCode + Conda + GPU 加速)#

本文将带你搭建一个可直接训练 YOLOv8 的 GPU 深度学习环境，包括 VS Code、Miniconda、PyTorch GPU 版、YOLOv8 等。

1. 准备工作#

1.1 硬件要求#

操作系统：Windows 10 / 11（64 位）
NVIDIA GPU：支持 CUDA 的 NVIDIA 显卡（推荐显存≥6GB）

1.2 将要安装的软件#

Visual Studio Code
Miniconda3
Python 3.10
PyTorch 2.x GPU 版
Ultralytics YOLOv8
常用视觉依赖库（opencv-python、pillow、numpy）

2. 安装基础开发工具#

2.1 安装 Visual Studio Code#

方式一：官网下载

下载地址：
https://code.visualstudio.com/

TIP
安装时建议勾选：

Add to PATH

将“通过 Code 打开”添加到右键菜单

方式二：Microsoft Store 安装（推荐）

打开 Microsoft Store
搜索 “Visual Studio Code”
点击安装

安装完成后，打开 VS Code 并安装扩展：

Chinese (Simplified)
Python（Microsoft 官方）

2.2 安装 Python#

为了让 CMD 正常识别 python 命令，建议安装 Microsoft Store 版 Python 3.10：

打开 Microsoft Store
搜索 Python 3.10
点击安装

2.3 检查 Pip 并配置镜像源#

Python 安装包通常会自动包含 pip 工具。你可以打开 CMD 或 PowerShell 输入以下命令检查：

1
pip --version

如果显示版本号，说明安装成功。为了解决国内下载速度慢的问题，建议配置清华大学镜像源：

1
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

3. Miniconda 环境配置（含路径说明）#

IMPORTANT
这是最关键的一步，我们将创建一个独立的虚拟环境用于 YOLOv8 项目。

3.1 安装 Miniconda#

方式一：手动下载安装

安装目录建议保持默认，例如：

C:\Users\你的用户名\miniconda3
或 C:\ProgramData\miniconda3

TIP
安装时建议勾选：

Add Miniconda3 to my PATH environment variable

方式二：命令行静默安装

1
curl https://repo.anaconda.com/miniconda/Miniconda3-latest-Windows-x86_64.exe -o .\miniconda.exe
2
start /wait "" .\miniconda.exe /S
3
del .\miniconda.exe

3.2 修复 Conda ToS 协议报错#

WARNING
首次使用 Conda 可能出现以下错误： CondaToSNonInteractiveError

解决方法：打开 Anaconda Prompt (miniconda3)，输入：

1
conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/main
2
conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/r
3
conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/msys2

3.3 创建虚拟环境与路径说明#

创建名为 yolov8 的深度学习环境：

1
conda create -n yolov8 python=3.10 -y

环境安装路径通常位于以下位置之一：

C:\Users\你的用户名\.conda\envs\yolov8
C:\Users\你的用户名\miniconda3\envs\yolov8

这两个路径都可能出现，记住实际路径，后续 VS Code 会用到。

3.4 激活虚拟环境#

1
conda activate yolov8

激活后，命令行前缀会从 (base) 变为 (yolov8)。

4. 安装深度学习相关库（GPU 加速）#

确保当前处于 (yolov8) 环境下。

4.1 安装 PyTorch（GPU 版本）#

CAUTION
不要直接执行 pip install torch，否则会安装 CPU 版。

查看你电脑支持的 CUDA 版本：

1
nvidia-smi

例：RTX 3060 通常显示 CUDA Version: 12.4

前往 PyTorch 官网，选择对应版本，然后执行（以 CUDA 12.4 为例）：

1
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

4.2 安装 YOLOv8（Ultralytics）#

1
pip install ultralytics

4.3 安装常用依赖库#

1
pip install opencv-python pillow numpy

5. 在 VS Code 中关联 Conda 虚拟环境#

NOTE
很多人会遇到 VS Code 使用了系统 Python 导致无法导入依赖的情况，必须手动选择 Conda 环境。

操作流程如下：

用 VS Code 打开项目文件夹（如 E:\YOLO_Project）
打开任意 .py 文件
查看右下角显示的 Python 版本
点击它 → 选择“输入解释器路径”（Enter Interpreter Path）
点击“查找”（Find…）
选择 yolov8 环境路径，例如：

1
C:\Users\你的用户名\.conda\envs\yolov8\python.exe

设置成功后，右下角会显示： Python 3.10 (‘yolov8’: conda) 表示 VS Code 已成功关联虚拟环境。

6. 测试 GPU 是否可用#

新建文件 test_gpu.py：

1
import torch
2

3
print(f"PyTorch 版本: {torch.__version__}")
4
print(f"CUDA 是否可用: {torch.cuda.is_available()}")
5

6
if torch.cuda.is_available():
7
    print(f"GPU 型号: {torch.cuda.get_device_name(0)}")
8
    print(f"GPU 数量: {torch.cuda.device_count()}")
9
else:
10
    print("当前使用的是 CPU，请检查 GPU 环境配置。")

示例输出：

1
PyTorch 版本: 2.6.0+cu124
2
CUDA 是否可用: True
3
GPU 型号: NVIDIA GeForce RTX 3060 Laptop GPU
4
GPU 数量: 1

如以上显示，则 GPU 加速已配置成功。

YOLOv8 深度学习环境搭建

https://www.sakasa.cn/posts/yolo_1/

作者

lastcyh

发布于

2025-11-26

许可协议

CC BY-NC-SA 4.0

闲鱼爬虫爬爬乐：抓包分析与Playwright实战

Debian 搭建 TeamSpeak 3 服务器教程

1

YOLOv8 深度学习环境搭建全纪录 (VSCode + Conda + GPU 加速)

1. 准备工作

2. 安装基础开发工具

3. Miniconda 环境配置（含路径说明）

4. 安装深度学习相关库（GPU 加速）

5. 在 VS Code 中关联 Conda 虚拟环境

6. 测试 GPU 是否可用