AI智能摘要
本教程详细指导在Windows系统使用Anaconda搭建YOLO环境。首先，在C盘外创建env文件夹（如D:\env），安装Anaconda并配置环境变量（D:\env\anaconda3等）。修改.condarc文件指定安装路径至D:\env\anaconda3\envs和pkgs，并换源为清华镜像站（如https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main）。其次，更新显卡驱动后安装CUDA Toolkit，确保CUDA Version>12.9，验证nvcc -V。接着创建名为yolo的conda环境（python=3.11），安装GPU版PyTorch并检验CUDA可用性，最后通过pip installultralytics安装YOLO包。教程未涉及具体使用步骤。
— 此摘要由AI分析文章内容生成，仅供参考。

安装Anaconda

为了良好的管理我们的各类环境，首先我们先在c以外的盘创建一个env的文件夹，接下来所有的环境都会安装于此，例如我现在创建在 D:\env 。

进入官网下载conda安装包

一路next，直到这边修改安装路径到env

如果你的电脑没有任何Python环境，可以全部勾选

接下来一路next直到Finish，然后准备添加环境变量，搜索 环境变量 并打开

根据自己的路径添加以下四条变量

D:\env\anaconda3
D:\env\anaconda3\Library\usr\bin
D:\env\anaconda3\Library\bin
D:\env\anaconda3\Scripts

打开cmd输入conda -V，若有回显则安装成功

接下来要修改环境/包的安装路径以及换源

首先进入C盘找到 用户 文件夹，进入自己电脑用户名的文件夹，找到.condarc文件用记事本打开

添加实际的路径用于指定安装环境/包的路径，防止过度占用C盘

添加以下内容进行换源，防止网络问题导致环境拉不下来

channels:
  - defaults
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/
envs_dirs:
  - D:\env\anaconda3\envs
pkgs_dirs:
  - D:\env\anaconda3\pkgs

然后在cmd输入conda init完成初始化，conda至此便安装完成

安装CUDA环境

首先先在NVIDIA APP更新最新版的显卡驱动，安装完成后记得重启电脑

cmd输入nvidia-smi，确保CUDA Version>12.9

接下来进入官网下载最新版CUDA Toolkit安装包，注意版本与上面的CUDA Version一致

选择自定义

更改安装位置

安装完成后cmd输入nvcc -V，有回显则安装成功

构建YOLO虚拟环境

键入以下命令创建名为yolo的conda环境

conda create --name yolo python=3.11

输入y并回车

输入以下命令激活虚拟环境（注意路径前面的括号则代表激活成功）

conda activate yolo

进入PyTorch官网安装GPU版本的PyTorch包，确保选项无误复制安装命令到cmd

经过漫长的等待，安装成功

输入以下命令检验CUDA是否可用

python -c "import torch; print(f'CUDA 是否可用: {torch.cuda.is_available()}')"

安装YOLO包

pip install ultralytics

简单使用YOLO

累了，歇会，见下一篇文章吧