前言

YOLOv12 作为 YOLO 系列比较新的目标检测模型，在精度和速度上都有大幅提升！很多小伙伴在配置环境时担心破坏原有 Python 环境，或者遇到依赖冲突问题。

本篇教程带你创建独立 Python 虚拟环境，从零配置 YOLOv12 (Ultralytics) 运行环境。

1. 基础环境要求

• Python 3.8 ~ 3.12（推荐 3.10，兼容性最好）
• PyTorch 2.0+（CUDA 可选，CPU 也可运行）
• 系统：Windows10/11 、Linux（Ubuntu/CentOS）

2. 前置检查

打开命令提示符（CMD） 或 终端，按下win+r键，输入cmd，输入命令检查 Python 是否安装：

python --version

where python

这里可以看到，我已经有了python3.10和3.11，版本是在3.8以上。

2.1下载及安装cuda

在安装pytorch前需要安装cuda，（若无显卡或intel的显卡则跳过）下载cuda前需要先查看显卡支持的CUDA版本最高是多少，win+R输入cmd，打开命令提示符，输入命令nvidia-smi，即可看到电脑支持最高版本的版本号。

​

我电脑适配的最高版本是12.7，但是这里不推荐大家安装最高版本的，选一个稍微低一点版本的就可以了。

2.2下载CUDA包

CUDA官网：

https://developer.nvidia.com/cuda-toolkit-archive

​

我选择的版本是12.1版本

​

​

2.3安装CUDA

​

安装位置不要动，使用默认的即可，防止出现问题，如果C盘爆满再换

运行以后得到这个界面

​

选择自定义安装

​

取消选项Visual Integration

如果计算机上已经安装了与CUDA版本相兼容的Visual Studio Integration文件，或者通过其他方式（如单独安装Visual Studio的插件）已经集成了CUDA支持，那么在安装CUDA时勾选“Visual Studio Integration”可能会导致冲突或重复安装，进而引发问题。
​

使用默认安装位置

安装位置不要动，使用默认的即可，防止出现问题

​

然后就安装完毕了

​

​

配置环境变量

右击此电脑，打开属性，找到高级系统设置，打开并点击环境变量即可

​

​

看是否有这个环境变量，选择默认下载位置会自动添加，如果没有则需手动增加，增加内容即为图示内容，点击新建即可

​

或者在命令提示符内输入命令set cuda查看环境变量

​

测试是否成功安装，在命令提示符内输入命令nvcc --version 或者nvcc -V，查看是否有cuda，如果有则安装成功，如果没有则可能版本不兼容

​

3 下载YOLOv12源代码

YOLOv12源码地址

sunsmarterjie/yolov12: [NeurIPS 2025] YOLOv12: Attention-Centric Real-Time Object Detectors

预训练权重文件不要忘记下载，常规使用yolov12n.pt即可。

也可以下载我给的夸克网盘，里面包括了yolov12n.pt预训练权重文件

我用夸克网盘给你分享了「yolov12.zip」，点击链接或复制整段内容，打开「夸克APP」即可获取。
/~f5503YcfLj~:/
链接：https://pan.quark.cn/s/3cb4af5c0eb2?pwd=J8rP
提取码：J8rP

4.创建虚拟环境

我们先单独创建一个文件夹放我们单独配置的虚拟环境，这里我已经配过了，我创建一个newYOLOv12来演示

然后打开cmd，进入你创建的文件夹，如果在D盘或者E盘需要先进D盘或者E盘

创建环境，-3.10可以自己改成自己想要的版本

py -3.10 -m venv YOLOv12

然后激活环境

YOLOv12\Scripts\activate

这里看到前面的环境名字是YOLOv12就代表激活成功了

5.安装对应的第三方库

接下来我们打开我们下载的YOLO模型当中的requirements.txt，这里面就是我们需要安装对应版本的第三方库，这个txt文档当中有一些需要修改的地方

首先，他默认下载的是torch==2.2.2 ，torchvision==0.17.2，而这个是默认不带CUDA的，也就是跑不了CPU，这一块需要我们单独pip，

pip install torch==2.2.2 torchvision==0.17.2 --index-url https://download.pytorch.org/whl/cu121

一定要在对应的虚拟环境当中下载

然后下一步将

torch==2.2.2 
torchvision==0.17.2
flash_attn-2.7.3+cu11torch2.2cxx11abiFALSE-cp311-cp311-linux_x86_64.whl
全部注释掉

flash_attn-2.7.3+cu11torch2.2cxx11abiFALSE-cp311-cp311-linux_x86_64.whl，这个是Linux版本的，Windows可以不安装，这个只是加快运行速度，非必须。

#torch==2.2.2 
#torchvision==0.17.2
#flash_attn-2.7.3+cu11torch2.2cxx11abiFALSE-cp311-cp311-linux_x86_64.whl
timm==1.0.14
albumentations==2.0.4
onnx==1.14.0
onnxruntime==1.15.1
pycocotools==2.0.7
PyYAML==6.0.1
scipy==1.13.0
onnxslim==0.1.31
onnxruntime-gpu==1.18.0
gradio==4.44.1
opencv-python==4.9.0.80
psutil==5.9.8
py-cpuinfo==9.0.0
huggingface-hub==0.23.2
safetensors==0.4.3
numpy==1.26.4
supervision==0.22.0

6.下载requirement.txt

pip install -r "D:\py项目\YOLOv12\newyolov12\requirements.txt"(路径选择自己的路径)

pip install -r "D:\py项目\YOLOv12\newyolov12\requirements.txt"

然后我们这边环境就已经配好了

然后安装一个ultralytics

pip install ultralytics

7.YOLOv12的测试

先添加我们新的解释器

找到你添加虚拟环境的scripts里面的python.exe

然后看到右下角是你自己的虚拟环境就说明虚拟环境已经设置好了。

然后再网上下载一个cat.jpg来测试

from ultralytics import YOLO

model = YOLO('D:\py项目\YOLOv12\yolov12n.pt')#模型的绝对路径，不然代码会自己去下载，可能会报错
source = 'D:/py项目/YOLOv12/cat.jpg'#图片的绝对路径，不然代码会自己去下载，可能会报错

# 推理
results = model.predict(source, save=True)

# 检验：打印检测结果
print("检测到目标数量：", len(results[0].boxes))
print("检测成功！结果保存在 runs/detect/exp 文件夹")

这个就是我在网上找的cat，水印都没去

以上就是YOLOv12(Ultralytics)环境配置。