Windows / Linux 下用 Anaconda 搭建 YOLO 运行环境

分类：YOLOv11 魔改指南 · 环境配置      更新时间：2026-04-01

本文说明在 Windows 与 Linux 上使用 Anaconda（或 Miniconda） 创建独立环境，并安装可运行 Ultralytics YOLO（含 YOLO11）的常见依赖。CPU 与 NVIDIA GPU（CUDA）两种情形都会提到。

一、准备事项

• • Anaconda 与 Miniconda 任选其一：Miniconda 体积更小，仅带 conda 与 Python，其余用 pip/conda 安装即可。下文命令以 Miniconda 为例，Anaconda 同样适用。
• • 显卡（可选）： 若需 GPU 训练/加速推理，请先在系统中安装 NVIDIA 驱动；CUDA 版本需与后续安装的 PyTorch 构建一致（见第四节）。
• • 磁盘与网络： 仅仅yolo环境就会占用20 GB（含 PyTorch 时更大），建议安装在D盘非系统盘。

二、安装 Conda

Windows

1. 1. 打开 Miniconda 或 Anaconda Distribution 下载页，选择 Windows 64-bit 安装包。
2. 2. 运行安装程序：建议勾选 “Add Miniconda3 to my PATH” 仅在你清楚 PATH 风险时勾选；否则安装完成后用 “Anaconda Prompt” 或 “Miniconda Prompt” 执行下文命令。
3. 3. 打开 PowerShell 或 CMD，验证：

conda --version

Linux（以 x86_64 为例）

1. 1. 下载安装脚本（版本号以官网最新为准）：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.shbash Miniconda3-latest-Linux-x86_64.sh

1. 2. 按提示同意协议、选择安装路径；安装结束后按提示 conda init 对应 shell（如 bash）。
2. 3. 重新打开终端，验证：

conda --version

若命令未找到，执行 source ~/.bashrc（或你使用的 rc 文件）后再试。

三、创建环境并安装基础包

建议单独为 YOLO 建环境，避免与系统或其它项目冲突。Python 3.10 或 3.11 与当前 Ultralytics / PyTorch 生态兼容较好。

conda create -n yolo python=3.11 -yconda activate yolo

国内镜像（可选）： 若 conda create 较慢，可配置清华或 conda-forge 镜像后再创建环境；pip 可配置 PyPI 镜像加速 torch 等大包下载。

四、安装 PyTorch 与 Ultralytics YOLO

4.1 CPU  only（无 NVIDIA GPU 或先跑通流程）

在已激活的 yolo 环境中：

pip install torch torchvision --index-url https://download.pytorch.org/whl/cpupip install ultralytics

4.2 NVIDIA GPU（CUDA）

1. 1. 到 PyTorch 官网 根据 操作系统、CUDA 版本 复制官方给出的 pip 命令（会指定正确的 --index-url）。
2. 2. 在同一环境中安装 Ultralytics：

pip install ultralytics

说明： 不要混用多个来源的 PyTorch 轮子；以 PyTorch 官方安装页生成的命令为准。驱动过旧会导致 GPU 不可用，可用 nvidia-smi 查看驱动与显卡状态。

五、验证安装

在 已 conda activate yolo 的终端执行：

python -c "import torch; print('torch', torch.__version__, 'cuda', torch.cuda.is_available())"yolo predict model=yolo11n.pt source=https://ultralytics.com/images/bus.jpg

• • 若 cuda 为 True 且预测正常，说明 GPU 链路可用。
• • 若为 False，多为未装 GPU 版 PyTorch 或驱动/CUDA 不匹配，可回到第四节对照官网命令重装 torch。

首次运行会自动下载 yolo11n.pt；需指定其它权重时，将 model= 换成对应名称或本地路径即可。

六、常用命令备忘

七、常见问题

1. conda 不是内部或外部命令（Windows）使用 Anaconda Prompt / Miniconda Prompt，或在「开始菜单」找到对应快捷方式；若需全局 PATH，需在安装时或系统环境变量中手动添加 conda 所在目录（注意与系统 Python 冲突）。

2. Linux 下 conda activate 报错先执行 conda init bash（或 zsh），重启终端；或使用 source $(conda info --base)/etc/profile.d/conda.sh 后再 conda activate yolo。

3. pip 安装 torch 极慢或超时换时段、使用镜像，或分步下载 wheel；企业网络需配置代理。

4. 只想用 pip 虚拟环境，不用 conda可以，但本文面向 Anaconda 用户：python -m venv .venv 后 pip install 第四节同样适用。

八、总结

1. 1. Windows / Linux 分别安装 Miniconda（或 Anaconda），验证 conda --version。
2. 2. conda create -n yolo python=3.11 并 conda activate yolo。
3. 3. 按 CPU 或 GPU 安装 PyTorch，再 pip install ultralytics。
4. 4. 用 yolo predict 与 torch.cuda.is_available() 做端到端验证。

下一步可以尝试： 准备自己的数据集做 yolo train。私信可发练手数据集《金属缺陷数据集》

如果这篇文章对你有帮助，欢迎点赞、收藏、转发！想要深入学习更多 YOLOv11 改进技巧，欢迎关注我的微信公众号“探物 AI”。