目录1. 前言2. 查看电脑状况3. 安装所需软件3.1 Anaconda3安装3.2 Pycharm安装4. 安装环境4.1 安装cuda及cudnn4.1.1 下载及安装cuda4.1.2 cudnn安装4.2 创建虚拟环境4.3 安装GPU版本4.3.1 安装pytorchGPU版4.3.2 安装ultralytics库4.4 安装CPU版本4.4.1 安装pytorchCPU版4.4.2 安装ultralytics库5. 源码及使用环境5.1 下载YOLO26源码5.2 pycharm导入环境6. 验证环境1. 前言YOLO26是 Ultralytics 公司于 2026 年 1 月 14 日推出的 YOLO 系列实时目标检测器的最新版本被定位为 “更好、更快、更小” 的视觉 AI。与此前的 Ultralytics YOLO 系列一样YOLO26 依然采用统一的模型家族设计能够支持多种计算机视觉任务。模型提供五种尺寸选择Nanon、Smalls、Mediumm、Largel和 Extra Largex团队可以根据部署环境在速度、精度和模型体量之间进行灵活取舍。在性能层面,YOLO26 进一步提升了性能上限。与 YOLO11 相比YOLO26 的 Nano 版本在 CPU 推理场景下最高可实现 43% 的性能提升成为目前边缘端和基于 CPU 部署场景中速度与精度兼顾的领先目标检测模型之一。如果已经会配置YOLO11的环境本文不需要重复配置下载最新的YOLOv26训练文件即可。点击下载训练源码 夸克网盘下载 建议先全部转存提前下载若有需要下载的资源失效可至公众号获取百度盘链接下载。YOLO26网络结构图论文必备无水印图可 微信公众号-笑脸惹桃花 回复“2626” 获取。2. 查看电脑状况深度学习的训练对于电脑显卡要求较高若电脑没有独立显卡NVIDIA卡或者是AMD的显卡无法使用GPU进行训练需用CPU进行训练会慢很多。若不清楚电脑有无显卡可以打开任务管理器点击性能往下找GPU就可以看到是否有独立显卡不清楚是否为独立显卡则搜索型号。​若有独立显卡则安装GPU版本的pytorch若无独立显卡则安装CPU版本的pytorch。嫌麻烦或者教程看不懂的友友可以私信我或者关注公众号找我配置环境哦~3. 安装所需软件推荐安装Anaconda3Pycharm都需要加入环境变量会安装或者安装过了则跳过这一步骤。3.1 Anaconda3安装Anaconda3由于是国外网站下载较慢推荐通过清华镜像源安装。https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?CMODhttps://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?CMOD选择带有Anaconda3...Windows...exe 字样的进行下载建议寻找我图片上同版本的文件下载不然安装后软件界面不一致容易出现看不懂的情况可以点击网盘下载相同版本。最好下载与我相同的版本。​​下载完成之后打开Anaconda3进行安装一直点下一步选Just Me安装路径不建议安装到c盘可以直接复制粘贴修改到 D:\Anaconda3 也可以修改到其他路径最好纯英文路径。​​​点击下一步后需要选择添加到环境变量直接按照图中全选避免环境变量出错。​​点击install安装后耐心等待进度条满安装完成即可进度较慢耐心等待。​​3.2 Pycharm安装安装Pycharm可以直接去官网下载速度较快。https://www.jetbrains.com/zh-cn/pycharm/download/?sectionwindows现在社区版和专业版整合为同一个版本直接下载就可以也可以网盘下载相同社区版。下载完之后打开安装点下一步遇到选择路径 修改路径到D盘或者其它除C盘外的文件夹可以建个自己喜欢的英文名字。​​需要勾选这些选项五角星必勾选建议全选。​​再点下一步直接安装就可以了耐心等待进度条满安装完成即可。​​教程看不懂的朋友可以私信我或者公众号找我配置环境4. 安装环境4.1 安装cuda及cudnn50系显卡参考下面链接的教程做出适当修改这里不详细展开。https://xiaolian.blog.csdn.net/article/details/151256777?spm1001.2014.3001.55024.1.1 下载及安装cuda在安装pytorch前需要安装cuda若无显卡或intel及amd的显卡则跳过直接看4.2下载cuda前需要先查看显卡支持的CUDA版本最高是多少按下winr键输入cmd在打开的页面输入nvidia-smi 即可查看。​上图红框位置显示即为cuda最高支持版本本教程cuda最高版本达到11.8即可若没有达到则需要更新显卡驱动。CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit-archive在这个网站挑选下载或者直接点击夸克网盘下载下载或者点此下载 。下载完之后运行安装建议安装到默认路径所以C盘需要留有20G以上的存储空间一直点击下一步直到出现这个界面选择精简或者自定义都可以直接下一步即可。耐心等待安装完成后可以再次在cmd里输入命令需要重新打开cmd窗口nvcc -V 查看如下显示即安装成功​​4.1.2 cudnn安装进入cudnn官网选择合适版本的文件。https://developer.nvidia.com/rdp/cudnn-archive进入后在文件列表中选择cudnn版本与上面cuda安装相匹配的版本。​​下载Windows版本的压缩包文件。​​下载需要登录也可以复制下载链接打开迅雷下载或者点击链接下载下载cudnn。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。按照本文教程安装的cuda的文件夹默认在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8 目录下。​​4.2 创建虚拟环境按下Win键输入anaconda prompt,打开下图所示的应用。​​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。更改代码如下直接输入即可这里选择更换的是中科大源建议使用亲测完美运行。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yolo26python版本为3.10的虚拟环境也可以修改为其他名本文所用为python3.10同时本教程所用pytorch源及python版本只支持3.10。conda create -n yolo26 python3.10​回车后出现新建环境提醒输入 y 继续耐心等待全部下载完成后自动安装。注意此时如果报错UnavailableInvalidChannel: HTTP 404 NOT FOUND for channel anaconda/pkgs/free https://mirrors.ustc.edu.cn/anaconda/pkgs/freeThe channel is not accessible or is invalid.You will need to adjust your conda configuration to proceed.Use conda config --show channels to view your configurations current state,and use conda config --show-sources to view config file locations.等错误需要修改隐藏文件 .condarc文件的内容具体路径为c:\users\用户名\.condarc使用记事本打开复制下面这一段进去替换掉原本所有的内容替换完之后保存即可channels: - defaults show_channel_urls: true channel_alias: http://mirrors.tuna.tsinghua.edu.cn/anaconda default_channels: - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud此时再次输入命令新建yolo26环境本文所用为python3.10同时本教程所用pytorch源及python版本只支持3.10。conda create -n yolo26 python3.10​创建完之后输入conda activate yolo26进入yolo26环境之中此时有NVIDIA显卡安装GPU版看4.3其它需要安装CPU版看4.4。4.3 安装GPU版本4.3.1 安装pytorchGPU版打开prompt 输入conda activate yolo26进入yolo26环境之后输入下方命令即可安装pytorch,耐心等待安装完成。pip install torch2.0.0cu118 torchvision0.15.1cu118 --extra-index-url https://download.pytorch.org/whl/cu118出现ERROR: No matching distribution found for torch2.0.0cu118等是因为python版本不对torch及相关库比较大需要耐心等待下载完之后出现 done 则安装完成因为是外网如果下载不下来可以点此下载torch 夸克网盘下载然后通过pip install安装本地文件的方式安装可以参考下图的方式将torch放入d盘的test文件夹下通过cd将文件目录跳转再输入如下指令。只支持python3.10版本其余版本无法安装pip install torch-2.0.0cu118-cp310-cp310-win_amd64.whl耐心等待torch库安装完成后再输入下面的指令通过pip安装其余相关库。pip install torch2.0.0cu118 torchvision0.15.1cu118 --extra-index-url https://download.pytorch.org/whl/cu1184.3.2 安装ultralytics库这个库包含了几乎全部运行yolo26所需的环境输入以下命令后耐心等待即可pip install ultralytics如果报错 ERROR: No matching distribution found for ultralytics 则输入以下指令安装pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple也可以选择安装ultralytics的对应版本所需库如pip install ultralytics8.4.0上方安装不报错则默认不需要安装指定版本。安装完成出现下图则环境配置完成。4.4 安装CPU版本4.4.1 安装pytorchCPU版有英伟达显卡的按照上述流程安装后即可跳过本部分无英伟达显卡则需要按照下述方法进行打开prompt ,进入yolo26环境之后输入如下命令即可安装cpu版本的pytorchpip install torch2.0.0 torchvision0.15.1 torchaudio2.0.1 --index-url https://download.pytorch.org/whl/cpu输入指令后看到下图再输入y并回车则开始正常安装。​耐心等待安装完成之后安装ultralytics库。4.4.2 安装ultralytics库pip install ultralytics如果报错 ERROR: No matching distribution found for ultralytics 则输入以下指令安装pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple也可以选择安装ultralytics的对应版本所需库如pip install ultralytics8.4.0上方安装不报错则默认不需要安装指定版本。安装完成出现下图则环境配置完成。​5. 源码及使用环境5.1 下载YOLO26源码YOLO26ultralytics源码地址https://github.com/ultralytics/ultralytics/点进去下载代码现在还在持续更新本文使用v8.4.0版本演示进不去可能需要科学上网或者点击下载 夸克网盘下载 我上传了多版本可以全部转存避免后续找不到cat图片一并上传下载8.4.0及以上版本压缩包内附带yolo26n.pt、yolo26s.pt和yolo26m.pt预训练权重链接资源失效请评论区反馈看到会补或者至公众号-笑脸惹桃花下载可以下载下图所示几个预训练权重文件常规使用yolo26n.pt即可。5.2 pycharm导入环境​下载完成之后解压到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可选中文语言点击左上角 文件-设置点击 项目ultralytics-8.4.0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yolo26环境的位置按照本文配置即是D:\Anaconda3\envs\yolo26\python.exe 路径之后一直点确定点应用再点确定即可。或者新版本的界面更为简单按照下图方式选择就可以。选择python接着选择刚刚添加的yolo26环境选择python.exe然后一直确定确定即可如果找不到环境所在位置可以输入conda env list查看环境所在位置寻找后选择python.exe。下图为右下角环境正在加载耐心等待环境加载完成即可运行代码。教程看不懂的朋友可以私信我或者公众号找我配置环境。6. 验证环境下载完成后将权重文件复制到ultralytics根目录下即本文的ultralytics-8.4.0目录下此时可以去网上下载一只猫猫的jpg图片或者其它图片根据自己喜好更改修改文件名为cat.jpg。检测环境是否有问题可以在prompt里yolo26环境下运行。注意预训练权重的文件名与代码中的文件名对应看清楚文件名FileNotFoundError: xxxx does not exist 类似这种报错都是文件没找到自己细心一点就能避免。运行下面的指令需要cd到ultralytics-8.4.0目录不然会报错。yolo predict modelyolo26n.pt sourcecat.jpg输出下图即环境正常。或者通过pycharm运行检测新建一个yolo26_predict.py在文件中添加如下代码from ultralytics import YOLO # 加载预训练的 YOLO26n 模型 model YOLO(yolo26n.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, saveTrue)运行之后如下即环境正常。​如果报错 ImportError: DLL load failed while importing _imaging: 找不到指定的模块是pillow版本问题导致的错误。输入如下指令降低pillow的版本即可解决此问题。pip install pillow8.4.0如果报错中有numpy相关的语句如 RuntimeError: Numpy is not available compiled using NumPy 1.x cannot be run in NumPy 2.1.2 as it may crash. To support both 1.x and 2.x versions of NumPy, modules must be compiled with NumPy 2.0. 等等可以将numpy降级输入如下代码即可解决此类问题。pip install numpy1.26.3可以顺着路径查看检测后的图片出现检测框则环境可以正常使用。训练yolo26模型看下面的文章https://xiaolian.blog.csdn.net/article/details/156990107https://xiaolian.blog.csdn.net/article/details/156990107如果遇到报错或者有疑问可以评论区交流报错了先确定是按照我的教程配置的仍然有问题再问。 关注V笑脸惹桃花 快速联系我~