告别踩坑：Mac 从零搭建 YOLO 深度学习环境

本文参考blibli教程整理适合零基础小白按步骤操作。参考视频MacBook M1 深度学习环境 AnacondaPyCharmPyTorchYOLO 算法实战 · 03 安装依赖包YOLO 算法实战 · 04 安装 ultralyticsYOLO 算法实战 · 05 基础术语简介YOLO 算法实战 · 06 初体验一、YOLO简介1.1 YOLO是干什么的YOLOYou Only Look Once是目前最流行的目标检测算法之一可以用来识别图片/视频里的物体人、车、猫狗等训练自己的检测模型比如识别特定产品、缺陷检测做实时摄像头检测、跟踪等应用要跑 YOLO你需要先搭建Python 深度学习环境包括工具作用Anaconda 或者 Miniconda管理 Python 版本和虚拟环境避免不同项目互相冲突Python编程语言本文使用 3.13PyCharm写代码、调试、运行 YOLO 项目的 IDEPyTorch深度学习框架YOLO 的底层依赖UltralyticsYOLOv8/YOLO11 等现代 YOLO 的官方 Python 包二、安装 AnacondaPython 环境管理器2.1 下载 Anaconda1. 打开官网Download Anaconda Distribution | Anaconda2. 没有 Anaconda 账号的话先注册一个有账号的直接登录就行。3. 选择64-Bit (Apple silicon)图形安装包.pkg。4. 下载完成后双击.pkg开始安装。2.2 安装步骤1. 一路继续阅读协议后点同意。2. 安装位置默认即可。3. 安装完成后完全关闭终端再重新打开这一步很多人漏掉。2.3 验证 Anaconda 是否安装成功打开终端输入conda --version若显示类似conda 25.x.x说明安装成功。2.4 配置 conda 国内镜像国内下载包较慢可以配置清华镜像conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge conda config --set show_channel_urls yespip 也可配置清华源pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple三、创建 Python 虚拟环境YOLO 专用3.1 创建名为yolo的环境conda create -n yolo python3.13 -y如果提示找不到python3.13可改用 conda-forgeconda create -n yolo -c conda-forge python3.13 -y3.2 激活环境conda activate yolo激活成功后命令行前面会出现(yolo)前缀。3.3 验证 Python 版本python --version应显示Python 3.13.xwhich python应指向 Anaconda 路径例如/opt/anaconda3/envs/yolo/bin/python四、安装 PyCharm 并关联 conda 环境4.1 下载 PyCharm打开Download PyCharm: The Python IDE for data science and web development by JetBrains选择macOS Apple Silicon版本Community社区版免费足够学习 YOLOProfessional 功能更多但需付费4.2 安装 PyCharm将 PyCharm 拖入Applications应用程序首次打开若提示安全限制系统设置 → 隐私与安全性 → 仍要打开4.3 在 PyCharm 中配置 Python 解释器1. 打开 PyCharm →New Project新项目2. 点击右下角打开 “解释器设置” 面板。3. 再打开的 解释器设置 面板点击 “添加解释器添加本地解释器...” 按钮。4. 在 “选择现有” 面板中Python路径选择为前面创建的Yolo虚拟机目录。可以在终端使用conda env list 命令来查看路径“/opt/anaconda3/envs/yolo/bin/python”。4.4 已有项目如何切换解释器菜单PyCharm → Settings设置→ Project → Python Interpreter或右下角状态栏点击当前 Python 版本 →Add Interpreter同样选择/opt/anaconda3/envs/yolo/bin/python4.5 验证 PyCharm 是否用对环境在 PyCharm 终端底部 Terminal中应看到(yolo)执行python --version五、安装 YOLO 依赖包确保终端已激活yolo环境conda activate yolo5.1 安装 PyTorch核心依赖Mac M1 使用MPS 后端不需要 CUDA。优先尝试官方稳定版pip install torch torchvision torchaudio如果无法安装可以使用国内镜像版安装。pip install torch torchvision torchaudio --trusted-host pypi.tuna.tsinghua.edu.cn5.2 安装 JupyterLabpip install jupyterlab ipykernel六、安装 Ultralytics6.1 安装 ultralyticspip install ultralytics七、YOLO 基础术语术语通俗解释目标检测在图片里找出「有什么物体」以及「在哪里」画框分类只回答「是什么」不画框模型Model已经训练好的「检测大脑」如yolov8n.pt权重Weights模型的参数文件扩展名多为.pt推理Inference / Predict用现成模型对新图片做检测训练Train用自己的数据教模型认识新物体验证Val评估模型准不准数据集Dataset大量标注好的图片含图片和标签标注Label告诉模型「框里是什么」常见格式 YOLO txtEpoch整个数据集被模型学习一遍叫 1 个 epochBatch Size每次喂给模型多少张图Mac 上建议从小开始如 8 或 16imgsz输入图片尺寸常用 640置信度Confidence模型有多「确定」这是某物体越高越严格NMS去掉重叠重复的检测框MPSMac 上 PyTorch 的 GPU 加速方式类似 Windows 的 CUDAn/s/m/l/x模型尺寸以 YOLOv8 为例nnano最小最快适合 Mac 练手s/m/l/x越来越大精度更高但更吃内存