基于本机配置的 YOLO26 Conda ss‘安装教程：Windows 11 + RTX 3050 Ti 实战版

基于本机配置的 YOLO26 Conda 环境安装教程Windows 11 RTX 3050 Ti 实战版这篇文章不是泛泛而谈的“通用装环境教程”而是按你这台电脑当前的实际配置整理出来的一份可直接照做的安装方案。如果你以前没有配过深度学习环境只想先把conda PyTorch GPU Ultralytics这一整套跑起来这篇会更适合你。本文中的YOLO26指的是你当前项目里使用的环境命名和权重命名方式。环境安装本身仍然基于官方ultralytics包后续如果你换成别的权重文件只需要替换模型路径即可。1. 先看这台机器适不适合装先根据你这台电脑当前能确认到的信息把关键配置整理一下项目当前配置操作系统Windows 11 家庭中文版 64 位CPUIntel Core i7-12700H内存16 GB显卡NVIDIA GeForce RTX 3050 Ti Laptop GPU显存4 GB显卡驱动566.07nvidia-smi显示 CUDA12.7当前系统 Python3.14.3conda状态当前未安装结论先说这台电脑可以安装并运行 YOLO26 相关环境。可以使用 NVIDIA 显卡进行推理和轻量训练。因为显存只有 4 GB更适合先从小模型开始。环境建议单独使用conda创建不要直接拿系统自带的 Python 3.14 去硬装。2. 这篇教程采用什么安装方案为了让安装过程更稳、兼容性更好这里建议采用下面这套组合环境管理器MinicondaPython 版本3.10深度学习框架PyTorch GPU 版CUDA 方案优先使用 PyTorch 官方提供的cu126YOLO 运行库Ultralytics 官方ultralytics这里额外解释两个新手最容易纠结的问题。2.1 为什么不用系统里的 Python 3.14不是说 Python 3.14 一定不能折腾而是对新手来说Python 3.10 conda更稳后续装标注、可视化、数据处理等常见库更省心出问题时环境更容易整体重建2.2 为什么这里选cu126你本机nvidia-smi显示 CUDA 版本为 12.7而 PyTorch 官方常见安装矩阵里长期提供 CUDA 12.6 对应 wheel。对这台机器来说直接走cu126这条线通常是比较稳妥的做法。如果你真正安装当天发现 PyTorch 官方安装向导给出的推荐命令已经变了那就优先以官方安装向导为准。3. 正式开始前先准备好这些开始安装前先确认下面几件事电脑接上电源不建议只靠电池安装。网络要稳定中间会下载不少依赖。系统盘最好预留 15 GB 到 20 GB 可用空间。安装过程中看到系统里已有 Python 不用慌这次我们走的是独立conda环境。4. 第一步安装 Miniconda4.1 下载地址官方说明页面Conda Windows 安装说明https://docs.conda.io/projects/conda/en/stable/user-guide/install/windows.html你可以从这里进入 Miniconda 下载入口选择 Windows 64-bit 安装包。4.2 安装时怎么点如果你是第一次安装建议按下面方式来双击安装包。点击Next。选择I Agree。选择Just Me。安装路径建议使用简单英文路径例如C:\Miniconda3如果安装界面里出现“是否加入 PATH”的选项新手不用纠结后面直接使用Miniconda Prompt即可。安装完成后点击Finish。4.3 怎么判断 Miniconda 装好了按Win键在开始菜单搜索Miniconda Prompt如果能搜到并正常打开就说明 Miniconda 基本已经安装成功。5. 第二步创建 YOLO26 专用 conda 环境5.1 打开正确的终端一定要打开刚才安装好的Miniconda Prompt不要直接用普通 PowerShell 或系统命令行。5.2 创建环境输入conda create-nyolo26python3.10-y这条命令的意思是create创建环境-n yolo26环境名叫yolo26python3.10这个环境里使用 Python 3.10-y自动确认安装5.3 激活环境继续输入conda activate yolo26如果命令行前面出现类似下面这样的前缀就说明环境已经切进去了(yolo26) C:\Users\你的用户名5.4 检查 Python 版本输入python-V如果输出接近下面这样就说明环境创建正确Python 3.10.x6. 第三步安装 PyTorch GPU 版这一部分是整套环境里最关键的一步因为 YOLO 后续能不能正确调显卡主要看这里。6.1 先升级 pip在已经激活的(yolo26)环境里输入python-mpipinstall--upgradepip6.2 安装 PyTorch建议先使用下面这条命令pipinstalltorch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126这条写法的好处是安装逻辑更接近官方安装向导避免把文章写死成某一组未来可能变化的版本号对新手更稳如果你安装当天打开 PyTorch 官方页面发现官方安装向导给出的 Windows Pip CUDA 12.x 命令已经更新就优先使用官方命令。6.3 验证 PyTorch 是否识别显卡安装完成后执行python-cimport torch; print(torch版本:, torch.__version__); print(是否识别CUDA:, torch.cuda.is_available()); print(显卡名称:, torch.cuda.get_device_name(0) if torch.cuda.is_available() else 未识别到GPU)如果你看到是否识别CUDA: True显卡名称中出现NVIDIA GeForce RTX 3050 Ti Laptop GPU那就说明 GPU 环境已经打通了。7. 第四步安装 Ultralytics在同一个(yolo26)环境里继续输入pipinstall-Uultralytics安装完成后输入yolo version如果能正常输出版本信息就说明命令行工具已经装好。如果这里提示找不到yolo命令也可以用下面这条方式验证python-multralytics8. 第五步做一次最简单的运行测试环境装好之后不建议只停留在“命令没报错”这一步。最好立刻做一次推理测试确认环境真的能跑起来。8.1 如果你按这台电脑当前情况来测试你桌面项目里已经有一个权重文件C:\Users\33458\Desktop\my_train\yolo26n.pt如果你就是在这台电脑上验证可以直接用它。命令如下yolo predictmodelC:\Users\33458\Desktop\my_train\yolo26n.ptsourcehttps://ultralytics.com/images/bus.jpg第一次运行时如果程序还要下载一些依赖或缓存文件这是正常现象。8.2 如果你想在 Python 里测试也可以直接进入 Pythonpython然后运行fromultralyticsimportYOLO modelYOLO(rC:\Users\33458\Desktop\my_train\yolo26n.pt)resultsmodel(https://ultralytics.com/images/bus.jpg)print(YOLO26 环境运行成功)如果看到YOLO26 环境运行成功基本就说明这套环境已经能正常使用了。退出 Pythonexit()9. 基于这台电脑后续训练建议怎么配你的电脑不是不能训练而是更适合“轻量参数、稳妥起步”。9.1 模型建议建议优先从下面两个开始yolo26nyolo26s不建议一上来就上更大的模型因为你的显卡只有 4 GB 显存很容易直接爆显存。9.2 图片尺寸建议建议按下面这个值起步imgsz640不要一开始就上 960 或 1280。9.3 batch 建议建议按下面顺序试先试batch4如果报显存不足改成batch2还不行就改成batch19.4 workers 建议Windows 下先保守一点workers29.5 一个适合这台机器的训练命令如果你后面已经准备好了data.yaml可以先这样试yolo detect trainmodelC:\Users\33458\Desktop\my_train\yolo26n.ptdatadata.yamlimgsz640batch4workers2device0epochs100如果显存不足可以改成yolo detect trainmodelC:\Users\33458\Desktop\my_train\yolo26n.ptdatadata.yamlimgsz640batch2workers2device0epochs10010. 常见问题排查10.1 输入conda提示不是命令一般有两种原因你还没安装 Miniconda或者你没打开Miniconda Prompt解决方法确认 Miniconda 已安装从开始菜单打开Miniconda Prompt再执行conda create和conda activate10.2torch.cuda.is_available()显示False建议按下面顺序排查先执行nvidia-smi如果这条命令都不通优先处理显卡驱动。确认你当前真的在(yolo26)环境里。重新安装 PyTorchpip uninstall torch torchvision torchaudio-ypipinstalltorch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu12610.3 安装ultralytics很慢或者卡住可以先升级工具链python-mpipinstall--upgradepip setuptools wheel然后再执行pipinstall-Uultralytics10.4 训练时报显存不足这是这台机器最常见的问题之一原因很直接显卡只有 4 GB 显存。解决思路换小模型降低batch保持imgsz640关闭其他占显卡的软件10.5 命令能跑但速度不算快这是正常现象。你的 CPU 不差但 RTX 3050 Ti Laptop GPU 本质上还是一块入门到中端的移动显卡更适合学习、调试和轻量训练不适合大模型重训练。11. 以后每次怎么进入这个环境以后每次开机后只要按下面顺序来就行打开Miniconda Prompt输入conda activate yolo26然后再运行你的 YOLO 命令例如yolo version或者yolo predictmodelC:\Users\33458\Desktop\my_train\yolo26n.ptsourcehttps://ultralytics.com/images/bus.jpg12. 如果你以后想重装环境如果后面环境坏了与其硬修不如直接删掉重建。先退出环境conda deactivate再删除环境conda remove-nyolo26--all-y然后重新按本文第 5 步到第 8 步做一遍即可。13. 最适合新手记住的一组命令如果你只想先把环境搭起来下面这一组最关键conda create-nyolo26python3.10-yconda activate yolo26 python-mpipinstall--upgradepip pipinstalltorch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126 pipinstall-Uultralytics python-cimport torch; print(torch.cuda.is_available())yolo predictmodelC:\Users\33458\Desktop\my_train\yolo26n.ptsourcehttps://ultralytics.com/images/bus.jpg14. 本文参考的官方页面Conda Windows 安装说明https://docs.conda.io/projects/conda/en/stable/user-guide/install/windows.htmlPyTorch 安装入口https://pytorch.org/get-started/PyTorch 本地安装说明https://docs.pytorch.org/get-started/locally/Ultralytics Quickstarthttps://docs.ultralytics.com/quickstart/15. 一句话总结对这台Windows 11 i7-12700H 16 GB RTX 3050 Ti 4 GB的电脑来说最适合新手的路线就是Miniconda - 创建 Python 3.10 环境 - 安装 PyTorch GPU 版 - 安装 ultralytics - 用本机已有的 yolo26n 权重做首次验证按这个顺序做环境基本就能比较稳地搭起来。