Anaconda 安装和使用及调用 YOLOv10 模型实现物品目标检测

目标

我们想要目标检测一个物体，并识别它的类别。

算法

TIP

YOLOv10 是清华大学研究人员近期提出的一种实时目标检测方法，我们将基于它来实现。

配置环境

进入 GitHub 仓库查看其开源代码及环境配置，我们发现想要运行代码，不仅需要 python 3.9 的版本，还要安装众多指定版本的第三方库：

python

torch==2.0.1
torchvision==0.15.2
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==4.31.5
opencv-python==4.9.0.80
psutil==5.9.8
py-cpuinfo==9.0.0
huggingface-hub==0.23.2
safetensors==0.4.3

因此，我们需要安装 Python 3.9 以及上面所提及的第三方库，版本一定要完全对应。

但是，可能有一些人事先安装好了 Python，甚至装过上面的第三方库，可是版本与代码所需版本不匹配，甚至还会有冲突。为了避免因版本不一致导致的各种潜在环境，我们选择使用 Anaconda 来创建一个 python 3.9 的虚拟环境，并安装所需的第三方库。

Anaconda 的下载、安装与虚拟环境的创建、激活

建议：把之前安装的 python 卸载掉。

下载 Anaconda

这是国内清华大学提供的 Anaconda 镜像站，无需使用梯子，请关闭代理再进行下载。Anaconda 64 位下载地址

安装 Anaconda

选择 Just Me 安装，并选择自定义安装路径。

安装路径最好请选择到系统的根目录，如 D 盘，如下图，这样方便我们进行环境变量的配置。

安装过程中，出现 Advanced options 选项:

第一个选项是自动配置到系统的环境变量中，虽然它很方便，但如果我们后期想要对其进行卸载与重装，就会特别麻烦，所以我们先不选，一会二我们手动配置。

进度条走完之后:

配置环境变量

在配置之前，请一定要观看这个视频，了解一下什么是环境变量。

『教程』什么是环境变量

把这几条复制到系统环境变量里面（注意我的安装路径是 D:\Anaconda 这个目录，请根据自己实际安装目录进行改动，比如装在 C 盘根目录，就把所有 D 改成 C 就可以的）：

bash

   D:\Anaconda
   D:\Anaconda\Scripts
   D:\Anaconda\Library\mingw-w64\bin
   D:\Anaconda\Library\usr\bin
   D:\Anaconda\Library\bin

打开终端，输入 conda --version，如果出现版本号，说明环境变量配置成功。

创建与激活虚拟环境

下载好之后，电脑里会有这个文件夹：

打开它，然后打开 Anaconda Prompt，输入以下命令：

conda 是我们刚刚下载好的软件，create 是创建的意思，-n 代表 name 命名，后面跟着的就是我们给这个环境起的名字，因为我们要跑的代码就是 yolov10 模型，所以为了好记，我们就把这个环境也命名为 yolov10，python=3.9 就是代表着我们创建的环境中的 python 版本为 3.9。

所以上面这条命令的意思是创建一个名为 yolov10 的虚拟环境，并指定 python 版本为 3.9。

中间会提示你是否创建，请输入 y，然后回车。

创建好之后，输入以下命令激活进入这个虚拟环境：

进入 yolov10 环境后，前面的括号会变成你的环境名，请不要关闭这个黑框框，因为后期我们还会用到。

此时，我们就可以开始配置我们的代码运行环境了。

如果上面有报错，可能是网络问题，请打开或关闭代理或换用其他镜像源试一试。

YOLOv10 的安装与使用

下载它的源代码

打开代理，访问 yolov10 的 GitHub 仓库，点击 Code 按钮，选择 Download ZIP 下载源代码。

下载完成后，将代码解压到任意一个文件夹中，比如 D:\yolov10 ，之后我们会在这个文件夹中运行代码。

还记得我们之前在黑框框上面激活的 yolov10 环境吗？现在，我们继续使用它。

终端命令行知识操作普及： 我们需要在这个黑框框中进入刚刚解压的 yolov10 文件夹，但是，我们的路径目前是在 C:\Users\用户名，路径默认是在 C 盘的，但如果我们的代码是在 D 盘，如果使用终端，又该怎么进入呢？这里我来亲自演示一下，我将把代码装到我的电脑里 D 盘的 programming 文件夹中的 yolov10 文件夹中，那么路径应该是 D:\programming\yolov10 。所以，我需要先进入 D 盘，然后进入 programming 文件夹，最后 yolov10 文件夹。

代码环境配置

如何在 Anaconda Prompt 中进入 `D:\programming\yolov10`?

继续聚焦于我们的Anaconda Prompt 窗口，输入 D: ，然后回车，这样就可以进入 D 盘了。

TIP

知识点：在 Windows 系统中，D: 就可以切换到 D 盘，其他盘同理。

输入 cd D:\programming\yolov10 ，然后回车，这样就可以进入 D:\programming\yolov10 文件夹了。

TIP

知识点：cd 是 change directory 的缩写，意思是改变目录，后面跟着的路径就是我们要进入的路径。如果你的路径是 D:\yolov10 ，那么就输入 cd D:\yolov10 。

下面就是配置环境了

输入 pip install -r requirements.txt -i ``https://pypi.doubanio.com/simple ，安装对应版本的 python 包。注意不要开梯子，因为这里我用的是镜像源。

TIP

知识点： pip install 是安装 python 自带的 pip 的命令， -r 是读取 requirements.txt 文件中的包名，-i 是指定镜像源，这里我们使用的是豆瓣源，因为豆瓣源的速度在国内不使用比较快，你也可以换成清华源，或直接打开代理，输入 pip install -r requirements.txt。

如果遇到报错，请打开或关闭代理或换用其他镜像源试一试，如果都不可以，请谷歌搜索。

输入pip install -e . 来安装源代码（注意末尾有点）。

下面，代码的环境就配置好了，接下来，我们只要下载到别人训练好的模型，就可以运行代码了。

下载模型

DANGER

官网下载模型的方式有变更，因此我提供了 YOLOv10-N 的下载链接，可以直接供大家下载：

YOLOv10-N 下载链接

原版教程在下方 details 板块。

Details

如下图所示，官网一共提供了 6 个模型，由于我们只是想演示一下，所以我们只下最小的 YOLOv10-N 就可以把代码跑起来了。如果你感兴趣的话，也可以下其他几个模型，下面的教程都是通用的，只要在代码中把 YOLOv10-N 的名字替换成其他的五个模型的名字就可以了。

打开代理，下载 YOLOv10-N，把下载好的模型放到 D:\programming\yolov10 文件夹中，也就是 yolov10 文件夹的根目录。
在之前的 Anaconda Prompt 中输入 code . 就可以使用 VSCode 打开当前文件夹了。

TIP

. 代表当前文件夹， code 是 VSCode 的命令， code . 就可以打开当前文件夹。

测试代码，在文件夹的根目录下用 VSCode 创建一个 python 文件，比如就叫 testDemo.py ，然后输入以下代码。

TIP

代码需要修改的有两个地方：

首先是第 5 行，如果你下载的是其他模型，要改成对应模型的名字。
其次是第 8 行，要换成你自己的图片路径。

python

# testDemo.py

import cv2
from ultralytics import YOLOv10

# 加载模型
model = YOLOv10("yolov10n.pt") # 如果使用的是其他模型，只需要把 yolov10n.pt 改成对应的模型名字就可以了

# 批量运算
results = model(["./yt.jpg"], stream=True) # 这里换成你的图片路径，如果要批量运算，只需要把 [""] 改成 ["图片1.jpg", "图片2.jpg", "图片3.jpg"] 就可以了

for result in results:
    boxes_cls_len = len(result.boxes.cls)
    if not boxes_cls_len:
        # 没有检测到内容
        continue
    for boxes_cls_index in range(boxes_cls_len):
        # 获取类别id
        class_id = int(result.boxes.cls[boxes_cls_index].item())
        # 获取类别名称
        class_name = result.names[class_id]

        # 获取相似度
        similarity = result.boxes.conf[boxes_cls_index].item()

        # 获取坐标值，左上角 和 右下角：lt_rb的值：[1145.1351318359375, 432.6763000488281, 1275.398681640625, 749.5224609375]
        lt_rb = result.boxes.xyxy[boxes_cls_index].tolist()
        # 转为：[[1145.1351318359375, 432.6763000488281], [1275.398681640625, 749.5224609375]]
        lt_rb = [[lt_rb[0], lt_rb[1]], [lt_rb[0], lt_rb[1]]]

        print("类别：", class_name, "相似度：", similarity, "坐标：", lt_rb)

    # 图片展示
    annotated_image = result.plot()
    annotated_image = annotated_image[:, :, ::-1]
    if annotated_image is not None:
        cv2.imshow("Annotated Image", annotated_image)
        cv2.waitKey(0)
        cv2.destroyAllWindows()

运行代码在 Anaconda Prompt 中输入 python testDemo.py ，然后回车，就可以运行代码了。不建议用 VSCode 插件来运行。最好是像我一样在 Anaconda Prompt 中打指令。

测试效果

我选的图片是这样的：

输出结果：

Anaconda 安装和使用及调用 YOLOv10 模型实现物品目标检测 ​

目标 ​

算法 ​

配置环境 ​

Anaconda 的下载、安装与虚拟环境的创建、激活 ​

下载 Anaconda ​

安装 Anaconda ​

配置环境变量 ​

创建与激活虚拟环境 ​

YOLOv10 的安装与使用 ​

下载它的源代码 ​

代码环境配置 ​

如何在 Anaconda Prompt 中进入 D:\programming\yolov10? ​

下面就是配置环境了 ​

下载模型 ​

测试效果 ​