什么是YOLO？

YOLO是一种用于目标检测（识别图像中有哪些物体以及它们的位置）的深度学习算法。

其核心思想革命性地改变了传统流程：

• 传统方式（两阶段）：先找出可能存在物体的区域（候选框），再对这些区域进行分类。优点是准确，但速度慢。

• YOLO方式（单阶段）：将目标检测视为一个回归问题，只看一次，直接在图像中预测出物体的边界框和类别。这种端到端的设计实现了检测速度的飞跃

迭代简史：从开山之作到全能大师

YOLO的十年演进史，可以看作是在“精度”与“速度”的平衡上不断磨砺，并最终走向多任务统一的历史。

版本	发布时间	核心创新与突破
YOLOv1	2015	开山之作：首次提出单阶段检测框架，将图像划分为网格进行预测。
YOLOv2/v3	2017-2018	奠基改进：引入锚点(Anchor)机制和多尺度检测，显著提升了对不同大小物体的识别能力。
YOLOv4/v5	2020	生态繁荣：YOLOv4集成了多种技巧提升精度；YOLOv5由Ultralytics推出，以其易用性和成熟的PyTorch生态奠定了工程师的首选地位。
YOLOv6/v7/v8	2022-2023	工业优化：针对工业场景优化效率（v6），引入重参数化架构（v7），并首次支持实例分割（v8），成为功能更全面的模型。
YOLOv9/v10	2024	效率跃升：提出新架构进一步提升参数效率。
YOLO11/v12	2024-2025	能力融合：版本命名回归简约，开始探索多模态和大一统模型。
YOLO26	2025	边缘部署革命：真正原生支持无NMS后处理和多任务统一，在CPU上速度提升43%，为移动端和智能摄像头等设备优化。

YOLOv5的PyTorch化极大降低了使用门槛，经过多年发展，围绕YOLO形成了极为庞大的社区、教程和预训练模型，覆盖安防、自动驾驶、医疗、农业等几乎所有需要视觉感知的领域。

什么是PyTorch？

可以把它理解为一个“搭积木的工具箱”，专门用来快速搭建并训练一个人工智能“大脑”。它的核心思想是追求极致的灵活性和易用性。

核心优势一览

• “所见即所得”的动态计算图：其他框架像“填表格”，必须提前规划好所有步骤；可以边写边改，即时执行。这种设计大大简化了代码的调试与修改，并且完美契合了YOLOv1的动态特性，使得整个检测过程更加直观，让研究过程更自由。

• “像写Python一样自然”：PyTorch的代码风格非常贴近原生Python，被称为"Pythonic"。它就像NumPy（一个Python科学计算库）的自然延伸，如果有Python基础，几乎感觉不到学习成本。

• “官方加速器” GPU加速：PyTorch与NVIDIA的CUDA（显卡计算平台）深度集成。只需在代码中简单添加 .cuda() 这样的操作，就能利用显卡的并行计算能力，将模型训练速度提升数百甚至上千倍。不过，这要求电脑配备NVIDIA显卡。

• 蓬勃发展的社区与生态：在学术顶会（如CVPR）中，超过85%的论文基于PyTorch实现；在AI模型托管平台Hugging Face上，85%的模型为PyTorch独家。庞大的社区意味着当在学习或项目中遇到问题，几乎都能找到现成的解决方案或可复用的代码。

---

简单的科普过后，我们开始正式配置
以目前最主流的 YOLOv8（Ultralytics版本）为例；

第一阶段：准备基础软件

1. 安装显卡驱动
   一般如果计算机有配置显卡，显卡驱动都是安装好了的，直接检验即可；

• 安装：去 NVIDIA官方驱动下载页，输入你的显卡型号（比如RTX 3060），下载并安装。
• 检验：安装完后，按 Win + R 输入 cmd，回车打开命令行，输入 nvidia-smi，如果能弹出一张表格并显示驱动版本和CUDA版本，说明成功。
  
  注意：DV字段要在500.xx以上，不然版本太旧了，需要更新；

2. 安装 Anaconda（Python环境管理器）

• 访问 Anaconda 官网下载页

• 选择 Windows 64-Bit Graphical Installer (约 600–800 MB)

• 下载完成后，右键 → 以管理员身份运行

• 安装时注意：

  • 勾选 Add Anaconda3 to my PATH environment variable

  • Install for 选择 Just Me 即可

3. 安装 VS Code（写代码和看图片的编辑器）
   一般情况都有，不赘述

---

第二阶段：配置深度学习环境（核心）

接下来的所有命令都在终端运行：

1. 创建独立的虚拟环境

conda create -n pytorch_env python=3.9 -y

2. 激活环境
   每次跑代码前，都要先激活环境：

conda activate pytorch_env

激活后在终端命令行最前面会出现(pytorch_env)：

表示现在正处在这个环境中。

3. 安装 PyTorch（深度学习核心框架）
   显卡显示为CUDA12.x，在终端输入：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

其他显卡版本比较低，不适合太新版本的pytorch

这一步下载所耗费的时间比较长，确保电源连接！

4. 验证 PyTorch 是否安装成功

• 进入python交互

python

• 依次输入

import torch
print(torch.__version__)
print(torch.cuda.is_available())

返回如图：

证明pytorch安装成功

• 退出python

exit()

5. 安装YOLOv8

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

• 这个过程会自动帮你安装 YOLOv8 需要的所有依赖库（比如 opencv、numpy 等），等待它提示 Successfully installed... 就算安装完成了。
• 检验：

yolo version

如果输出了yolo版本号，就说明安装成功了

• 我们跑一张图试试看：

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