超详细YOLOv8虚拟环境搭建（cuda+pyside6+pytorch+ultralytics库）

前言

博主在第一次搭建yolov8虚拟环境的时候，也在网上查看了很多教程，可是有很多教程都不能很好的解决博主的问题，博主在尝试了很多方法和查阅资料后，终于将环境搭建成功并能成功跑通代码，于是博主于是博主就写了这篇文章，希望能给同样处在小白的小伙伴们带来帮助。

1、安装Anaconda和PyCharm

可以搜索安装Anaconda和安装PyCharm的教程自己安装一下，博主就不进行介绍了
一定要在Anaconda安装好之后再进行后续操作，如果不安装Anaconda，后续指令将无法使用

2、打开项目目录

可以用win+r的快捷键

在项目目录中输入cmd，点击确定

3、新建一个虚拟环境

在终端输入以下指令后回车

conda create -n yolov8 python=3.8

该指令中的yolov8指创建的虚拟环境的名称是yolov8

创建完成后，可以通过以下指令来查看虚拟环境

conda env list

这里的 * 号指目前所处的环境在base，红色框线即为刚刚创建的虚拟环境，名称后面的即为虚拟环境的路径，需要留意以下，下面的步骤会用到此路径。
注：这里的yolo8是之前博主创建的一个虚拟环境，本篇教程中创建的虚拟环境名称都为yolov8，请大家不要弄混。

4、激活环境

conda activate yolov8

输入指令后回车，可以看到前面括号中的内容由base变为yolov8，说明环境激活成功

5、安装GPU版本torch(如果想要CPU版本则这一步直接跳过)

注：建议小伙伴们可以安装以下，用GPU版本torch速度更快

（1）查看GPU的CUDA版本

nvidia-smi

可以看到博主的CUDA版本为11.7，意味着只能安装小于等于11.7的CUDA版本

（2）安装对应的CUDA版本

如果要安装11.8的CUDA版本，可以输入以下指令

pip install torch==2.0.1+cu118 torchvision==0.15.2+cu118 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple

如果要安装11.7的CUDA版本，可以输入以下指令

pip install torch==1.13.0+cu117 torchvision==0.14.0+cu117 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple

报错原因

如果出现一堆warning和error，可以从以下两个方面考虑：
（1）是否，网络信号不好
解决方法：关掉外网即可
（2）安装的CUDA版本是否大于刚刚查看的CUDA版本号
博主在第一次尝试的时候没有注意到这个问题，一直在尝试安装CUDA11.8，导致一直发生报错，所以一定要根据上面的指令，查看自己的CUDA版本号

6、安装ultralytics库（yolov8官方库）

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

7、安装图形化界面库pyside6

pip install pyside6 -i https://pypi.tuna.tsinghua.edu.cn/simple

8、在PyCharm中选择刚刚新建的虚拟环境

打开pycharm，打开关于yolov8的项目或文件后，在左上角的文件子菜单栏下找到设置选项，点进去

进入设置后，按照下图标注的顺序依次点击即可

进入如图所示的界面，点击左上角的+号

按照下图的顺序操作即可
注：这里环境一定是选择现有，不能是新建，因为根据前面的步骤虚拟环境已经建好了

这里的解释器路径是选择刚刚配置的虚拟环境路径下的python.exe，不记得的小伙伴可以返回上面第3步，查看刚刚新建的虚拟环境所在的路径（以博主为例，找到刚刚新建的虚拟环境yolov8的路径之后，打开yolov8文件夹，选择这一文件夹下的python.exe），选择好之后点击确定即可。

到如下图所示的界面之后，一定要记得将红色框出来的地方打上勾，然后确定

总结

到这里，虚拟环境搭建的方法就结束啦，希望喜欢的小伙伴可以点个关“猪”哦~