基本环境
1 .安装 ultralytics
pip install ultralytics2 . 配置GPU环境
警告
GPU训练必须使用 英伟达(Nvidia) 的显卡，否则是不能用的。
你可以使用 ctrl + shift + Esc 以打开 任务资源管理器，点击性能，其次选中下方的GPU选项卡，在其右上角即可查看到显卡型号。
如果没有GPU选项卡，则电脑没有显卡，只能使用CPU
3 . 安装 CUDA
1️⃣ . 确认支持的最高CUDA版本
nvidia-smi
安装的CUDA版本不能高于这个版本号
2️⃣ . 下载对应的CUDA
重要
请注意：，请在这个链接查询pytorch版本对应的CUDA版本。你可以在页面中通过 ctrl + F 搜索是否有你的cuda版本对应的pytorch包，如果没有的话请找低于最大版本且有对应pytorch包的CUDA版本来安装
重要
举个例子：例如我的显卡最高支持CUDA版本为12.3，但是pytorch并没有这个版本的对应的包，所有我在安装CUDA时。
警告
由于在写此部分时并没有注意pytorch与CUDA版本对应问题，所以后文截图使用的是12.2版本，但是我的电脑应该使用的是11.8版本，。
💥 如果你已经安装了与pytorch不匹配的cuda版本可以参考此处说明卸载 💥
3️⃣ . 开始安装
1.提取临时安装包
这个会提取安装包出来安装，这个目录在安装结束后会自动删除，所以默认即可
2.自定义安装，并且选择安装全部组件
其余的正常下一步或者接受他的协议即可，最后选择安装路径时可以选择安装在其他盘，尽量不要使用C盘
3.更改安装路径
此步可能在不同版本略有差异，但是请尽量不要安装在C盘，避免占用系统空间
4️⃣ . 验证安装
nvcc -V
1.正确安装示例
能正常显示CUDA版本信息即代表正确安装
4. 配置cuDNN
1️⃣ . 下载对应版本的 cuDNN
注意
请注意要对应你在上一步安装的CUDA版本来选择，由于我安装的时12.2版本，所以此处我下载的是：Download cuDNN v8.9.7 (December 5th, 2023), for CUDA 12.x
2️⃣ . 配置cuDNN
1.替换CUDA目录下的文件 （全部替换即可）
将下载的cuDNN内的文件解压替换CUDA目录下的文件
重要
如果CUDA分散在两个位置时，应该替换CUDA Development内的文件
5. 安装Anaconda
1️⃣ . 下载 Anaconda
2️⃣ . 安装 Anaconda
安装没什么特别的，正常下一步即可，注意切换安装路径不要安装在C盘
安装完成后可以先关掉，后面会用命令行操作
3️⃣ . 配置环境变量
使用cmd或者Win+R 输入均可
sysdm.cpl
在环境变量中加入 Anaconda 的地址
警告
注意 D:\anaconda 要换成你自己上一步 Anaconda 安装的位置
D:\anaconda D:\anaconda\Scripts D:\anaconda\Library\bin D:\anaconda\Library\mingw-w64\bin
4️⃣ . 配置保存路径和镜像加速
打开 C盘 中的 .condarc 文件（需要搜索，一般在 C:\Users\你的用户名 这个目录下面），直接复制下面这段修改即可
警告
注意：envs_dirs中 D://anaconda 的路径要换成你自己 Anaconda 安装的位置
警告
注意：envs_dirs 项中的- D 中-和D之间是有一个空格的，千万不要漏了！
channels:
- https://mirrors.ustc.edu.cn/anaconda/pkgs/main
- https://mirrors.ustc.edu.cn/anaconda/pkgs/r
- https://mirrors.ustc.edu.cn/anaconda/pkgs/msys2
show_channel_urls: true
ssl_verify: false
envs_dirs:
- D://anaconda//envs为保证成功修改，需要修改一下 anaconda 安装路径的文件权限
注意是修改你安装 Anaconda 的那个文件的权限
文件比较多，需要比较长的时间来修改权限，耐心等待一下
6 . 使用 Anaconda 配置 yolo-GPU环境
1️⃣ . 打开 anaconda prompt
anaconda prompt 中的basic环境并不是电脑原先的python环境
anaconda prompt 中的basic环境是安装时附带的python环境，而并不是电脑原先所有的python环境。在你安装时你可以看到安装anaconda时安装的python环境是哪个环境，即：图示中的白色部分内框选的内容（由于我安装时并没有截图这部分，使用的其他的图，所以会导致两个版本不同）
先清理一下anaconda的缓存，因为在上一步中我们修改了anaconda的配置文件
conda clean -i2️⃣ . 创建虚拟环境
conda create -n yolov11 python=3.9.16提示
-n 参数yolov11，是指定环境名称，名称应该设置的简明易懂，方便在后期使用时判断这个环境包含什么内容 还可以指定创建环境的python版本，可以通过 python=3.12.7 来指定使用3.12.7版本的python环境或者指定其他 当你不指定时会默认使用anaconda的basic环境的python版本
可以通过如下命令查看是否创建成功
conda env list
3️⃣ . 配置环境对应所需的库
🕐 . 打开 anaconda prompt
前文已述
🕑 . 切换到前文创建的环境
activate yolov11注
正确切换后，前面括号的内容应该变成你创建的环境的名称
🕒 . 安装 ultralytics
pip install ultralytics🕓 . 安装 对应版本的 pytorch
注意
这步一定要注意选择你在第三步安装CUDA版本所对应的 torch 版本,实在想不起来可以通过以下命令查询
nvcc -V最后面 Build cuda_**** 后面的就是版本号，我的内容为：Build cuda_11.8.r11.8/compiler.31833905_0，则我的版本号为11.8
警告
注意：如果你安装的CUDA版本较低（低于11.8）时，请使用pytorch官网中特定版本的安装指令
这里提供一个示例：例如我安装的CUDA版本是 11.6 ，则在页面中使用 ctrl + F 搜索 11.6 找到对应系统下的安装命令
使用这个指令在 anaconda prompt 执行即可
# 必须确定下面 pytorch-cuda 版本填写正确
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia警告
主要需要关注下面白色部分的两个内容最后的版本是否为py*_cu*，而不是py*_cpu
错误的示例 （CPU版本）
正确的示例
🕔 . 环境验证
可以直接在anaconda prompt 的命令行环境中执行python代码以验证环境是否正确配置
pythonimport torch
print(torch.cuda.is_available())提示
当最后返回的值为 True 时，则代表你的所有配置均正确无误！
成功配置GPU环境时应该返回 True
7 . 在pycharm中使用anaconda 创建的虚拟环境
🕐 . 打开pycharm 以现有环境创建一个项目
需要选择anaconda安装目录下的 .conda.exe 这个可执行文件，选择后pycharm会自动识别已经创建的虚拟环境，再在列表中选择前文已经创建好的 yolov11 虚拟环境即可。
注意要选择 自定义环境 -> 选择现有
需要选择anaconda安装目录下的
创建项目后可以使用如下代码再次验证是否配置成功
import torch
print(torch.cuda.is_available()) # 此处返回 True 则代表全部配置正确