YOLOv8 在 Intel Mac 上的 Anaconda 一键安装教程

YOLOv8 在 Intel Mac 上的 Anaconda 一键安装教程

本文适用于 Intel 芯片 Mac,通过 Anaconda 快速搭建 YOLOv8 环境,支持 CPU 推理与 Notebook 可视化。
全程一键安装,适合小白和入门用户。


📑 目录

  • 环境准备

  • 一键安装脚本

  • 运行 YOLOv8

  • 启动 Notebook 可视化

  • 常见问题与解决方案

  • 总结


环境准备

  • 操作系统:macOS (Intel 芯片)

  • 依赖工具:Anaconda

  • 硬件要求:CPU 推理即可(Mac Intel 无 CUDA 支持)

先确认你的系统里已经安装了 Anaconda,如果没有,请到官网下载并安装:
👉 Anaconda 下载地址


一键安装脚本

将以下内容保存为 install_yolov8.sh

#!/bin/bash
# YOLOv8 Intel Mac 一键安装脚本 (Anaconda 版)
# 作者: Emilie 的专属脚本# -----------------------
# 1. 激活 Anaconda
# -----------------------
if [ -f ~/anaconda3/etc/profile.d/conda.sh ]; thensource ~/anaconda3/etc/profile.d/conda.sh
elseecho "❌ 未找到 Anaconda,请先安装 Anaconda"exit 1
fi# -----------------------
# 2. 创建 yolov8 环境
# -----------------------
conda create -n yolov8 python=3.9 -y
conda activate yolov8# -----------------------
# 3. 安装 PyTorch CPU 版本
# -----------------------
conda install pytorch torchvision torchaudio cpuonly -c pytorch -y# -----------------------
# 4. 安装 YOLOv8
# -----------------------
pip install ultralytics# -----------------------
# 5. 安装可视化工具
# -----------------------
conda install -c conda-forge opencv -y
pip install matplotlib jupyter supervision# -----------------------
# 6. 完成提示
# -----------------------
echo "✅ YOLOv8 环境安装完成!"
echo "你现在可以运行:"
echo "  conda activate yolov8"
echo "  yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'"
echo "结果会保存在 runs/predict/ 文件夹里"
echo ""
echo "如果要在 Notebook 里可视化:"
echo "  conda activate yolov8"
echo "  jupyter notebook"

运行 YOLOv8

安装完成后,进入环境运行:

conda activate yolov8
yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'

结果会保存在:

runs/predict/

启动 Notebook 可视化

如果你更喜欢 Jupyter Notebook 可视化,运行:

conda activate yolov8
jupyter notebook

新建一个 Notebook,写入以下示例代码即可:

from ultralytics import YOLO
import matplotlib.pyplot as plt
import cv2# 加载模型
model = YOLO("yolov8n.pt")# 推理
results = model.predict(source="https://ultralytics.com/images/bus.jpg", device="cpu")# 可视化
for r in results:r.show()  # 直接弹出窗口显示

常见问题与解决方案

1. jupyter: command not found

解决方法:

conda activate yolov8
pip install jupyter

2. conda activate 无法生效

解决方法:

source ~/anaconda3/etc/profile.d/conda.sh

3. OpenCV 安装失败

解决方法:

conda install -c conda-forge opencv -y

4. YOLO 模型文件不存在

解决方法:

mkdir -p models
curl -L -o models/yolov8n.pt https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n.pt

5. torchtorchvision 版本不匹配

解决方法:

pip uninstall -y torchvision
pip install torchvision==0.15.2

🎯 总结

通过本文的 一键安装脚本 + 常见问题解决方案,你可以在 Intel Mac 上快速搭建 YOLOv8 环境,支持:

  • ✅ 终端推理

  • ✅ Notebook 可视化

  • ✅ 自定义训练与测试

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/bicheng/96145.shtml
繁体地址,请注明出处:http://hk.pswp.cn/bicheng/96145.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Spring 日志文件

Spring 日志文件 文章目录Spring 日志文件日志有什么用?日志怎么用?自定义日志在程序中获取日志对象常用日志框架说明使用日志对象打印日志日志格式说明日志级别日志级别有啥用日志级别分类和使用日志持久化保存更简单的日志输出——lomboklombok更多注解…

五、误差反向传播法(上)

上一章中,我们介绍了神经网络的学习,并通过数值微分计算了神经网络的权重参数的梯度(严格来说,是损失函数关于权重参数的梯度)。数值微分虽然简单,也容易实现,但缺点是计算上比较费时间。本章我…

Rust Axum 快速上手指南(静态网页和动态网页2024版)

本文基于 Axum 0.7.5(当前稳定版)、tower-http 0.5.2、MiniJinja 0.7.2 编写,涵盖生产环境核心场景:tower-http Layer 叠加与数据传递、静态网页服务、MiniJinja 动态模板渲染,并重点解析请求 / 应答在多 Layer 中的流…

Golang语言设计理念

起源 Golang语言始于2007年,是一门编译型、静态类型、并发友好 的语言,由Robert Griesemer( 罗伯特格里森、图灵奖获得者、C 语法联合发明人、Unix 之父)、Rob Pike( 罗布派克、Plan 9 操作系统领导者、UTF-8 编码的最…

深入掌握 nsenter:Linux命名空间操作的利器

#作者:朱雷 文章目录1、简介2、功能与用途2.1. 核心功能2.1.1. 进入命名空间2.1.2. 支持多种命名空间2.1.3. 容器调试3、安装3.1. 依赖包3.2. 权限要求3.3. 命令用法与示例3.3.1. 基本语法3.3.2. 常用选项包括:3.3.3. 示例4、 应用场景与优势4.1. 容器调…

Ubuntu Qt x64平台搭建 arm64 编译套件

环境: 主机平台:Ubuntu22.04.5 x86_64 目标平台:IMX8QM Ubuntu22.04.5 arm64 Qt版本:Qt6.5.3 LST GUI实现:QML 一、获取Ubuntu22.04.5 x86_64 系统镜像文件 1、镜像下载与安装 使用国内镜像下载对应版本的Ubuntu镜像…

mysql第五天学习 Mysql全局优化总结

Mysql全局优化总结 从上图可以看出SQL及索引的优化效果是最好的,而且成本最低,所以工作中我们要在这块花更多时间。 补充一点配置文件my.ini或my.cnf的全局参数: 假设服务器配置为: CPU:32核内存:64GDISK…

leetcode hot100 二叉搜索树

二叉搜索树的第k小的数class Solution:def kthSmallest(self, root: Optional[TreeNode], k: int) -> int:# 二叉搜索树的中序遍历是 升序排列的, 求第k小的,即第k个数self.res []def fun(root):if not root:returnfun(root.left)if root:self.res.a…

从Sonnet到Opus:一次解决RAG知识库流式输出难题的探索

又到周末,还得消耗消耗 ➡️ anyrouter 上的Claude资源,万一哪天都不能用了,也是浪费。 2025/9/5,Claude AI 的母公司 Anthropic 发布了一项新政策:即日起,Anthropic将不再对中国控股公司及其海外子公司开放…

「数据获取」中国科技统计年鉴(1991-2024)Excel

02、数据详情数据名称:《中国科技统计年鉴》(1991-2024年)数据年份:1991-202403、数据截图 04、获取方式(获取方式看绑定的资源)

SimLingo:纯视觉框架下的自动驾驶视觉 - 语言 - 动作融合模型

摘要 本文深入探讨了 SimLingo,一个在自动驾驶领域具有开创性意义的视觉-语言-动作一体化模型。SimLingo 创新性地将自动驾驶、语言理解和指令感知控制整合到一个统一的纯摄像头框架中,显著提升了自动驾驶系统在复杂环境中的感知、决策与执行能力。该模…

第五十四天(SQL注入数据类型参数格式JSONXML编码加密符号闭合复盘报告)

#SQL注入产生原理: 代码中执行的SQL语句存在可控变量导致 #常见SQL注入的利用过程: 1、判断数据库类型 2、判断参数类型及格式 3、判断数据格式及提交 4、判断数据回显及防护 5、获取数据库名,表名,列名 5、获取对应数据及…

VMWare上搭建Hive集群

文章目录1. MySQL安装2. 安装Hive集群3. 使用Hive客户端4. 实战总结本实战在VMware上搭建Hive集群,集成MySQL作为元数据存储,完成Hive环境配置、元数据初始化及HDFS仓库目录创建,实现Hive on Hadoop的SQL查询能力,为大数据分析提供…

Android网络之WIFI技术网络模型概述

文章目录术语1、WLAN与WIFI2、802.11 WIFI无线网络标准演进3、WIFI5、WIFI6和WIFI7的最高速率对比4、WIFI网络中的各个角色(元件)1)网络拓扑架构图5、802.11权威指南1)OSI与TCP/IP2)IEEE 802.11协议簇介绍3&#xff09…

游戏中的设计模式——第三篇 简单工厂模式

5. 简单工厂模式 5.1 简单工厂模式的定义 简单工厂模式的核心是定义一个创建对象的接口,将对象的创建和本身的业务逻辑分离,降低系统的耦合度,使得两个修改起来相对容易些,当以后实现改变时,只需要修改工厂类即可。 5.…

基于SVN搭建企业内部知识库系统实践

一、准备工作 CentOS 7 服务器:确保你有 root 或 sudo 权限,可以访问该服务器。Windows 客户端:你将需要在 Windows 上安装 TortoiseSVN 客户端来与 SVN 服务器交互。防火墙:确保你的防火墙已开放 3690 端口,用于 SVN…

SQL注入7----(盲注与回显)

一.前言 在我们的注入语句被带入数据库查询但却什么都没有返回的情况我们该怎么办?例如应用程序就会返回 一个"通用的"的页面,或者重定向一个通用页面(可能为网站首页)。这时,我们之前学习的SQL注入办 法就…

尚硅谷宋红康JVM全套教程(详解java虚拟机)

https://www.bilibili.com/opus/1071553679925968898 案例7:日均百万订单系统JVM参数设置 https://github.com/wei198621/jvm_by_atguigu https://github.com/xftxyz2001/atguigu-jvm/blob/main/JavaYouthdocsJVM/%E7%AC%AC1%E7%AB%A0-JVM%E4%B8%8EJava%E4%BD%…

鸿蒙NEXT开发实战:图片显示、几何图形与自定义绘制详解

探索HarmonyOS NEXT强大的图形渲染能力,从图片展示到自定义绘图 HarmonyOS NEXT作为华为自主研发的操作系统,为开发者提供了一套丰富而强大的图形渲染能力。无论是显示图片、绘制几何图形,还是实现复杂的自定义绘图,鸿蒙都提供了简…

python + Flask模块学习 2 接收用户请求并返回json数据

用到的模块还是flask,用到的类有Flask, request, jsonfiy 🙂 目录 1、GET请求 2、POST请求 1、表单格式 2、json格式 就酱,也比较简单,下一篇说简单的授权,简单来说就是比如用户付费买了服…