一、下载Yolo11的源代码

在gihub官网下载

完成源代码下载后继续下载yolo11n.pt文件，并将把yolo11n.pt文件放到yolo项目的根目录里

二. 部署环境

1. 安装Anaconda3+Pycharm，都需要加入环境变量

2. 安装cuda及cudnn

(1) 下载及安装cuda

在安装pytorch前需要安装cuda，下载cuda前需要先查看显卡支持的CUDA版本最高是多少，按下win+r键，输入cmd，在打开的页面输入：nvidia-smi ，即可查看

红框位置显示即为cuda最高支持版本

(2) cudnn安装

进入cudnn官网，在文件列表中选择cudnn版本与上面cuda安装相匹配的版本。

点进去后下载Windows版本

将得到的压缩文件进行解压，解压后得到下图三个文件夹，全选复制进cuda的文件夹中进行覆盖替换，替换完成后即cudnn安装完成。

3. 创建虚拟环境

进入Anaconda prompt，默认进入的是base环境，base环境的版本与下载的anaconda3版本有关，因此不建议直接使用，需要新建环境，在新建环境之前建议更改默认的pip源和conda源可加速下载速度。

输入以下代码以更换为国内镜像源

conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple

此时新建虚拟环境（需要关闭加速软件！！！），这里创建一个名为yolo11，python版本为3.10的虚拟环境

conda create -n yolov11 python=3.10

4. 安装GPU版本

（1）安装pytorch（GPU版）

打开prompt 输入conda activate yolo11（前一步创建好的虚拟环境），进入yolo11环境，之后输入下方命令即可安装pytorch。

（2）安装ultralytics库

pip install ultralytics

出现下图则环境配置完成 ：

三. yolo11使用环境配置

（1）pycharm导入环境

下载完成yolo11源码之后解压到D盘或其它盘文件夹内，此时点击鼠标右键文件夹通过pycharm打开，打开后需要配置虚拟环境，新版pycharm可选中文语言，点击 文件-设置，点击 项目：ultralytics-8.3.20，点击python解释器，点击右边添加解释器-添加本地解释器，

点击Virtualenv环境 - 现有，点击右边三个点，找到刚才添加的yolov11环境的位置，按照D:\Anaconda3\envs\yolov11\python.exe 路径，之后一直点确定，点应用，再点确定即可。

（3）验证环境

下载完成后将权重文件复制到ultralytics根目录下，即ultralytics-8.3.20目录下，此时去网上下载了一只猫猫的jpg图片，并修改了文件名为cat.jpg。检测环境是否有问题可以在prompt里yolo11环境下运行。

通过前边安装的pycharm运行检测，新建一个yolo11_predict.py，在文件中添加如下代码 ：

from ultralytics import YOLO
# 加载预训练的 YOLOv11n 模型
model = YOLO('yolov11n.pt')
source = 'cat.jpg' #更改为自己的图片路径
# 运行推理，并附加参数
model.predict(source, save=True)

运行之后如下即环境正常：

顺着路径查看检测后的图片，发现出现了检测框，证明环境可以正常使用，环境配置完成。