前言
本人是在Windows下配置的YOLO环境，使用的是Ultralytics官方库。下面会详细列出配置步骤，所需要下载的内容我会在文章末尾统一列出下载链接。
确认硬件
按下Win+R，键入"cmd"打开终端，输入"nvidia-smi"。如果能看到显卡信息，请查看右上角的 CUDA Version（如下文所示），这是显卡所支持最高的CUDA版本，后续安装PyTorch时不得高于此版本！
C:\Users\heveral>nvidia-smi
Mon Aug 24 22:00:00 2026
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 610.88 KMD Version: 610.88 CUDA UMD Version: 13.3 |
+-----------------------------------------+------------------------+----------------------+
| GPU Name Driver-Model | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|=========================================+========================+======================|
| 0 NVIDIA GeForce RTX 5070 ... WDDM | 00000000:01:00.0 On | N/A |
| N/A 60C P4 20W / 140W | 1169MiB / 12227MiB | 6% Default |
| | | N/A |
+-----------------------------------------+------------------------+----------------------+
基础Python环境构建
推荐安装Python 3.8~3.11版本，安装时务必勾选"Add Python to PATH"！！！本人用的是Python 3.10（下载时请根据自己的CPU架构选择对应版本）
创建虚拟环境
这个操作可以防止YOLO的依赖包污染其他的Python项目！
# 创建名为 yolo_env 的环境（名字随意）
python -m venv yolo_env
# 激活环境（Windows CMD下运行）
yolo_env\Scripts\activate
激活成功后，命令行前面会出现 (yolo_env) 的标志。
安装PyTorch
YOLO依赖于PyTorch，这一步是重中之重，需要根据实际需要配置设备的显卡情况选择：
情况一：有NVIDIA显卡 打开PyTorch官网，选择操作系统和CUDA版本，复制生成的命令。例如当前设备显卡驱动支持CUDA 13.2那么运行
pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu132
情况二：只有CPU无独立显卡（CPU模式运行效率奇慢无比，不推荐）请运行
pip3 install torch torchvision
验证：在终端输入"python"，然后输入"import torch; print(torch.cuda.is_available())"。如果输出"True"表明GPU配置成功，反之表示在使用CPU模式。
安装Ultralytics库（YOLO）
直接使用pip安装官方整合包，他会自动下载OpenCV等依赖项。
# 使用官方渠道下载
pip install ultralytics
# 如果官方渠道下载速度很感人可以 Ctrl+C 终止下载后使用这条进行下载（使用了清华大学镜像站进行加速）
pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple
验证环境
到这一步，环境已经配出来了，但是为了稳妥起见直接下载官方预训练模型，对一张网络图片进行检测，以此验证环境是否完全正常。
在终端（需要在虚拟环境下）执行：
yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'
预期结果：程序会自动下载 yolov8n.pt 模型文件，然后输出检测结果，并在终端显示结果保存路径（通常在 runs/detect/predict 文件夹下）。打开该文件夹，看到标出检测框的 bus.jpg 即代表配置成功！
Python下载：链接
PyTorch下载：链接