🚀 在 Jupyter Notebook 和 PyCharm 中使用 Conda 虛擬環境（YOLOv8 部署指南，Python 3.9）

YOLOv8 是 Ultralytics 開源的最新目標檢測模型，輕量高效，支持分類、檢測、分割等多種任務。
在 Mac（Intel 芯片）上部署 YOLOv8，我們推薦用 conda 虛擬環境（Python 3.9） 來管理依賴，并在 Jupyter / PyCharm 中使用。

這篇文章帶你完整走一遍：
👉 環境安裝 → 模型手動下載 → Jupyter 配置 → PyCharm 配置 → 驗證運行。

---

🐍 一、創建 Conda 虛擬環境并安裝 YOLOv8

1. 創建環境（指定 Python 3.9）

conda create -n yolov8 python=3.9 -y
conda activate yolov8

1. 安裝依賴

pip install torch torchvision torchaudio
pip install ultralytics
pip install jupyter ipykernel

?? 說明：
YOLOv8 默認會從 GitHub 下載模型文件（如 yolov8n.pt），但國內經常超時。推薦 手動下載模型文件 并放在本地。

---

📥 二、手動下載 YOLOv8 模型和測試圖片

1. 模型文件下載地址（Ultralytics 官方）

• yolov8n.pt （Nano版，適合測試）

• 更多模型

下載后放到本地路徑，例如：

/Users/marks/work/yolo/models/yolov8n.pt

1. 測試圖片下載
   例如官方示例圖片：

• bus.jpg

保存到：

/Users/marks/work/yolo/images/bus.jpg

---

📓 三、在 Jupyter Notebook 中使用 yolov8 環境

1. 把環境注冊為 Jupyter 內核：

python -m ipykernel install --user --name yolov8 --display-name "Python (yolov8)"

1. 啟動 Jupyter：

jupyter notebook

1. 新建 Notebook → 選擇內核 Python (yolov8)

2. 測試 YOLOv8 運行：

from ultralytics import YOLO# 加載本地模型
model = YOLO("/Users/marks/work/yolo/models/yolov8n.pt")# 測試推理
results = model("/Users/marks/work/yolo/images/bus.jpg")
results.show()  # 顯示預測結果

---

💻 四、在 PyCharm 中使用 yolov8 環境

1. 打開 Preferences → Project: your_project → Python Interpreter

2. 選擇 Add... → Conda Environment → Existing environment

3. 指定解釋器路徑，例如：

/Users/marks/anaconda3/envs/yolov8/bin/python

1. 點擊確認，PyCharm 就會用 yolov8 環境。

---

? 五、驗證環境是否正常

無論在 Jupyter 還是 PyCharm，運行以下代碼驗證環境：

import torch
print("PyTorch 版本:", torch.__version__)
print("CUDA 是否可用:", torch.cuda.is_available())from ultralytics import YOLO
model = YOLO("/Users/marks/work/yolo/models/yolov8n.pt")
print("YOLOv8 模型加載成功 ?")

如果能正確輸出，就說明部署成功啦 🚀

---

🖼? 六、YOLOv8 模型測試（本地模型 + 圖片）

當環境配置完成后，我們可以用 本地模型文件 和 測試圖片 來驗證 YOLOv8 是否正常運行。

---

1. 命令行驗證（推薦快速測試）

# === 驗證安裝 (使用本地模型和圖片) =================
MODEL_PATH="/Users/emilie/work/yolo/models/yolov8n.pt"
IMAGE_PATH="/Users/emilie/work/yolo/images/bus.jpg"echo ">>> 使用本地權重和圖片驗證 YOLOv8 安裝是否成功"
yolo predict model=$MODEL_PATH source=$IMAGE_PATHecho ">>> 如果在 runs/predict 下看到 bus.jpg 檢測結果，說明環境安裝成功！"

運行后，YOLOv8 會自動在 runs/predict/ 下生成預測結果圖片，打開即可看到目標檢測效果 ?

---

2. Python 代碼驗證（適合二次開發）

from ultralytics import YOLO# 加載本地模型（手動下載的 yolov8n.pt）
model = YOLO("/Users/marks/work/yolo/models/yolov8n.pt")# 使用本地圖片進行推理
results = model("/Users/marks/work/yolo/images/bus.jpg")# 顯示預測結果
results.show()# 保存預測結果到指定目錄
results.save("/Users/marks/work/yolo/results/")

---

模型輸出圖片結果：

---

? 七、常見問題（FAQ）

Q1: YOLOv8 模型下載失敗怎么辦？

A:

• 直接去 Ultralytics 官方 Release 手動下載 .pt 文件；

• 把模型放到本地路徑，例如：

  /Users/marks/work/yolo/models/yolov8n.pt
  

• 在代碼里手動加載：

  model = YOLO("/Users/marks/work/yolo/models/yolov8n.pt")
  

---

Q2: CUDA 是否可用？如何在 CPU 上運行？

A:

• Mac Intel 芯片 沒有 CUDA 支持，只能用 CPU 推理。

• 可以通過以下代碼檢查：

  import torch
  print(torch.cuda.is_available())  # 輸出 False 表示 CPU 模式
  

• 如果需要 GPU 加速，可以考慮換到支持 CUDA 的 Linux/Windows + NVIDIA GPU 環境。

---

Q3: PyCharm 里沒有找到 yolov8 環境怎么辦？

A:

• 打開 Preferences → Project → Python Interpreter → Add...

• 選擇 Conda Environment → Existing environment

• 瀏覽到路徑：

  /Users/marks/anaconda3/envs/yolov8/bin/python
  

• 保存即可。

---

Q4: Jupyter Notebook 內核沒有 yolov8 怎么辦？

A:

• 確保已經執行過：

  python -m ipykernel install --user --name yolov8 --display-name "Python (yolov8)"
  

• 重新啟動 Jupyter：

  jupyter notebook
  

• 在 Notebook 界面 Kernel → Change Kernel 選擇 "Python (yolov8)"。

---

Q5: 環境太大了，能不能只安裝最小依賴？

A:
可以只裝必要依賴（CPU 版本）：

pip install torch ultralytics jupyter

這樣體積更小，適合輕量測試。

---