你列出的是一组 Python 包及其精确版本号，常见于深度学习（尤其是 YOLO、Transformer、模型部署等场景）项目中。要**一个一个地安装这些包**（即按顺序、显式指定版本、避免依赖冲突），推荐使用 `pip install` 逐条执行，并建议在**干净的虚拟环境中操作**（强烈推荐，防止污染全局环境）。 --- ### ✅ 推荐安装流程（含解释与最佳实践） #### 步骤 1：创建并激活虚拟环境（Linux/macOS/Windows PowerShell） ```bash # 创建虚拟环境（Python ≥ 3.8 推荐） python -m venv yolov_env # 激活虚拟环境 # Linux/macOS: source yolov_env/bin/activate # Windows (PowerShell): yolov_env\Scripts\Activate.ps1 # 若提示策略错误，先运行: Set-ExecutionPolicy RemoteSigned -Scope CurrentUser # Windows (CMD): yolov_env\Scripts\activate.bat ``` > ✅ **为什么用虚拟环境？** > 避免不同项目间包版本冲突（如 `onnxruntime` CPU/GPU 版本互斥、`torch` 与 `onnxruntime-gpu` 的 CUDA 兼容性问题）。 --- #### 步骤 2：升级 pip（确保兼容新包格式） ```bash python -m pip install --upgrade pip ``` > ⚠️ 注意：`pip <23.0` 可能无法正确解析某些 `onnxsim` 或 `huggingface-hub` 的依赖约束，升级至 `pip>=23.1` 更稳妥。 --- #### 步骤 3：**逐个安装（带错误处理建议）** > 🔍 关键原则： > - **GPU 版本必须匹配 CUDA 环境**（`torch==2.0.1` + `onnxruntime-gpu==1.18.0` 要求 CUDA 11.7 或 11.8；请先确认 `nvidia-smi` 输出的驱动支持的 CUDA 版本）； > - `onnxruntime-gpu` 和 `onnxruntime` **不能共存**（会冲突），务必**先卸载 `onnxruntime` 再装 `onnxruntime-gpu`**； > - `torchvision` 必须与 `torch` **严格配套**（官方 wheel 有绑定关系，`torch==2.0.1` 对应 `torchvision==0.15.2` ✅ 正确）； > - `onnxsim` 依赖 `onnx>=1.12.0`，你给的 `onnx==1.14.0` ✅ 兼容； > - `pycocotools` 在 Windows 上编译困难 → 建议用预编译 wheel（见下方命令）。 以下是**安全、可复制粘贴的逐行安装命令**（已按依赖顺序优化，含平台适配说明）： ```bash # 1. 安装 PyTorch CPU 版（若无 GPU 或不确定 CUDA 环境，先装这个） pip install torch==2.0.1+cpu torchvision==0.15.2+cpu --index-url https://download.pytorch.org/whl/cpu # ✅ 替代：若确定有 CUDA 11.7（最常用），改用： # pip install torch==2.0.1+cu117 torchvision==0.15.2+cu117 --index-url https://download.pytorch.org/whl/cu117 # 2. 安装 ONNX 生态（注意：先装 onnx，再 onnxsim，最后 onnxruntime-gpu） pip install onnx==1.14.0 pip install onnxsim==0.4.36 # 3. 卸载可能存在的 onnxruntime（避免冲突！） pip uninstall -y onnxruntime # 4. 安装 GPU 版 onnxruntime（CUDA 11.7/11.8） pip install onnxruntime-gpu==1.18.0 # 5. 其他科学计算 & 工具库 pip install scipy==1.13.0 pip install PyYAML==6.0.1 pip install opencv-python==4.9.0.80 pip install psutil==5.9.8 pip install py-cpuinfo==9.0.0 # 6. Hugging Face 生态（注意：safetensors 是 HF 模型加载必需） pip install huggingface-hub==0.23.2 pip install safetensors==0.4.3 # 7. COCO 工具（Windows 用户务必用此 wheel，避免编译失败） # Linux/macOS 可直接 pip install，Windows 强烈推荐： pip install pycocotools==2.0.7 --extra-index-url https://pypi.colostrum.net/ # ✅ 或通用方案（自动选 wheel）： # pip install 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI' # 8. Gradio（Web UI） pip install gradio==4.31.5 ``` > 💡 提示：若某步报错（如 `ERROR: Could not find a version that satisfies...`），请检查： > - 是否激活了虚拟环境？ > - `pip` 是否最新？→ `python -m pip install --upgrade pip` > - `torch` 安装源是否正确？PyTorch 官方 wheel 必须通过 `--index-url` 指定（否则 pip 会从 PyPI 找不兼容的旧版）； > - Windows 上 `pycocotools` 编译失败？→ 用上面提供的 `pypi.colostrum.net` 源或 GitHub 安装。 --- ### 🧪 验证安装是否成功（可选） 运行以下 Python 脚本检查关键包版本和 GPU 可用性： ```python import torch, torchvision, onnx, onnxruntime, cv2, gradio, huggingface_hub print("✅ torch:", torch.__version__, "cuda:", torch.cuda.is_available()) print("✅ torchvision:", torchvision.__version__) print("✅ onnx:", onnx.__version__) print("✅ onnxruntime:", onnxruntime.__version__) print("✅ onnxruntime providers:", onnxruntime.get_available_providers()) print("✅ cv2:", cv2.__version__) print("✅ gradio:", gradio.__version__) print("✅ huggingface_hub:", huggingface_hub.__version__) ``` > ✅ 正常输出中 `onnxruntime.get_available_providers()` 应包含 `'CUDAExecutionProvider'`（GPU 版才显示）。 --- ### ❗重要警告（避坑指南） | 包名 | 常见陷阱 | 解决方案 | |------|----------|----------| | `torch` + `onnxruntime-gpu` | CUDA 版本不匹配（如 torch cu118 vs ort-gpu cu117） | 查 [ONNX Runtime GPU 支持表](https://onnxruntime.ai/docs/execution-providers/CUDA-ExecutionProvider.html) 和 [PyTorch 下载页](https://pytorch.org/get-started/locally/) 严格对应 | | `onnxruntime` 和 `onnxruntime-gpu` | 同时存在 → 运行时报 `ImportError: DLL load failed` | `pip uninstall onnxruntime onnxruntime-gpu` 后重装 `onnxruntime-gpu` | | `pycocotools` (Windows) | `error: Microsoft Visual C++ 14.0 is required` | 不编译！用 `--extra-index-url https://pypi.colostrum.net/` 或 GitHub 安装 | --- ### 📦 补充：生成 requirements.txt（便于复现） 安装完成后，导出当前环境： ```bash pip freeze > requirements_yolov.txt ``` 该文件可用于他人一键复现：`pip install -r requirements_yolov.txt` ---