2. 环境搭建与依赖安装

任务目标

本案例完成YOLOv11模型训练与剪枝量化所需的基础环境搭建：安装CUDA版PyTorch、Ultralytics库及依赖项，并验证GPU可用性与YOLOv11导入是否成功。

环境需求

• 操作系统：Windows 10/11 或 Ubuntu 20.04+
• GPU：NVIDIA显卡（驱动版本 ≥ 525，支持CUDA 12.x）
• Python版本：3.9 ~ 3.11

安装步骤

以下命令在终端中依次执行。若已安装PyTorch CPU版，请先卸载：pip uninstall torch torchvision torchaudio -y。

# 1. 创建虚拟环境（推荐）
conda create -n yolov11 python=3.10 -y
conda activate yolov11

# 2. 安装CUDA版PyTorch（以CUDA 12.1为例）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

# 3. 安装Ultralytics（YOLOv11官方库）及依赖
pip install ultralytics

# 4. 验证安装
python -c "import torch; print('CUDA可用:', torch.cuda.is_available()); print('GPU名称:', torch.cuda.get_device_name(0) if torch.cuda.is_available() else '无')"
python -c "from ultralytics import YOLO; print('YOLOv11导入成功')"

验证方法与通过条件

执行上述两条验证命令，满足以下条件即判定环境搭建成功：

• CUDA可用输出为 True，且能显示GPU名称（如NVIDIA GeForce RTX 3060）；
• YOLOv11导入成功无报错输出。

常见问题

• CUDA不可用：运行 nvidia-smi 检查驱动版本，若驱动过旧需升级；确认安装的是cu121版本而非cpu版本。
• 安装超时：为pip配置国内镜像源，如 pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple，PyTorch部分仍使用官方源。
• 依赖冲突：若提示numpy版本冲突，执行 pip install numpy==1.26.0 后重试。

环境验证代码

以下代码用于确认关键依赖版本，便于后续案例排查问题：

import torch
import ultralytics
import sys

print(f"Python版本: {sys.version.split()[0]}")
print(f"PyTorch版本: {torch.__version__}")
print(f"CUDA版本: {torch.version.cuda}")
print(f"Ultralytics版本: {ultralytics.__version__}")
print(f"CUDA是否可用: {torch.cuda.is_available()}")
if torch.cuda.is_available():
    print(f"当前GPU: {torch.cuda.get_device_name(0)}")
    print(f"显存大小: {torch.cuda.get_device_properties(0).total_memory / 1024**3:.1f} GB")

预期输出示例（实际值取决于机器配置）：

Python版本: 3.10.12
PyTorch版本: 2.1.2+cu121
CUDA版本: 12.1
Ultralytics版本: 8.3.0
CUDA是否可用: True
当前GPU: NVIDIA GeForce RTX 3060
显存大小: 12.0 GB

环境搭建完成后，即可进入后续YOLOv11模型训练与剪枝量化案例。