【免费下载】 Ultralytics YOLO 快速安装与使用指南

前言

Ultralytics YOLO 是一个基于 PyTorch 的先进目标检测框架，以其高效、灵活和易用性著称。本文将详细介绍如何安装和使用 Ultralytics YOLO，包括多种安装方式、自定义安装方法以及基础命令行操作。

安装方式

1. Pip 安装（推荐）

Pip 是最简单直接的安装方式，适合大多数用户：

pip install ultralytics

安装完成后，可以通过 pip list 命令查看已安装的版本。

特点：

• 自动安装所有依赖项
• 获取最新稳定版
• 适合快速部署

2. Conda 安装

对于使用 Anaconda 环境的用户，可以通过 conda 安装：

conda install -c conda-forge ultralytics

CUDA 环境建议：

conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=11.8 ultralytics

3. Docker 安装

Docker 提供了隔离的运行环境，适合需要环境一致性的场景：

# 拉取最新镜像
sudo docker pull ultralytics/ultralytics:latest

# 运行容器（支持GPU）
sudo docker run -it --ipc=host --gpus all ultralytics/ultralytics:latest

Docker 镜像类型：

• GPU 版本：适合训练
• CPU 版本：适合推理
• ARM64 版本：适合树莓派等设备
• Jetson 版本：专为 NVIDIA Jetson 设备优化

4. 源码安装

开发者或需要修改源码的用户可以克隆仓库安装：

git clone https://github.com/ultralytics/ultralytics
cd ultralytics
pip install -e .

自定义安装

1. 不安装依赖项

pip install ultralytics --no-deps

然后手动安装所需依赖，适合需要控制依赖版本的情况。

2. 使用自定义分支

1. Fork 官方仓库
2. 修改依赖配置（如将 opencv-python 替换为 opencv-python-headless）
3. 从自定义分支安装：

pip install git+https://github.com/YOUR_USERNAME/ultralytics.git@custom-branch

3. 通过 requirements.txt 管理

在 requirements.txt 中指定自定义安装源：

git+https://github.com/YOUR_USERNAME/ultralytics.git@custom-branch

命令行使用

安装完成后，可以通过 yolo 命令快速使用：

基本语法

yolo TASK MODE ARGS

常用命令示例

1. 训练模型

yolo train data=coco8.yaml model=yolov8n.pt epochs=10 lr0=0.01

2. 预测

yolo predict model=yolov8n.pt source='https://youtu.be/LNwODJXcvt4' imgsz=320

3. 验证

yolo val model=yolov8n.pt data=coco8.yaml batch=1 imgsz=640

4. 导出模型

yolo export model=yolov8n-cls.pt format=onnx imgsz=224,128

5. 实时计数

yolo solutions count show=True

6. 健身动作识别

yolo solutions workout show=True

常见问题

1. PyTorch 安装问题
   建议先单独安装 PyTorch，再安装 Ultralytics：

   pip install torch torchvision
   

2. GPU 支持
   确保安装了对应 CUDA 版本的 PyTorch

3. OpenCV 冲突
   服务器环境建议使用 opencv-python-headless

结语

本文介绍了 Ultralytics YOLO 的多种安装方式和使用方法。根据您的使用场景选择合适的安装方式，Pip 适合大多数用户，Docker 提供环境隔离，源码安装适合开发者。命令行工具让模型训练、预测和验证变得简单高效。