1 代码路径

Ultralytics 官方仓库：https://github.com/ultralytics/ultralytics
这是目前维护最活跃、最权威的版本。

切换到标签8.4.36版本。

该仓库是多模型统一架构！
Ultralytics 的设计理念是提供一个统一的代码库（Unified Repository），来支持多种 YOLO 系列模型（如 v3, v5, v8, v9, v10, v11, YOLO26 等），以及 RT-DETR、SAM 等其他视觉模型。这意味着你只需要维护一个仓库，就可以切换不同版本进行训练或推理，方便用户在一个环境中快速切换和对比不同模型的效果。

2 创建anaconda环境

anconda创建yolov8环境：

# 1. 创建环境
conda create -n yolov8 python=3.9 -y
conda activate yolov8

# 2. 安装 PyTorch CPU 版 (Conda 会自动拉取适配的最新2.x版本)
conda install pytorch torchvision torchaudio cpuonly -c pytorch

装完后跑 python -c “import torch; print(torch.version)”，能正常输出版本号就说明没问题了。

3 可编辑模式安装到 Anaconda 环境中

conda activate yolov8

# 确保你在源码根目录（即包含 setup.py 的目录）
cd D:\prj\open\yolo\yolov8

# 安装依赖（使用 pip，因为 conda 不一定包含所有最新依赖）
pip install -e .

验证成功与否：

# 进入环境后，查看 pip 列表
pip list | grep ultralytics
# 应该显示：ultralytics 8.4.36 (d:\prj\open\yolo\yolov8)

# 或者检查 Python 导入路径
python -c "import ultralytics; print(ultralytics.__file__)"
# 应该输出你的源码路径，不是 site-packages

4. 验证安装是否成功

方法1：通过导入模块获取

python -c "import ultralytics; print(ultralytics.__version__)"

直接打印 ultralytics模块的版本属性。

只要上述命令能正常输出版本号（如 8.4.36），就说明你的源码安装和环境配置已经成功了，可以开始看源码了。

5 vscode环境配置

参见《yolov3学习之源码代码路径及运行环境搭建》的运行环境搭建，基本大差不差。

6 代码测试

from ultralytics import YOLO
import cv2
import ultralytics

print(ultralytics.__version__)
print(ultralytics.__file__)

# 加载预训练模型（会自动下载 yolov8n.pt）
model = YOLO('yolov8n.pt')

# 打印模型结构（会显示网络层）
# print(model.model)

# 运行一次推理（用随机数据）
results = model.predict(source='./images/bus.jpg', verbose=False)
# print(results[0].boxes)  # 查看检测框

# 画框 + 保存
for r in results:
    im_array = r.plot()  # 绘制检测框
    cv2.imwrite('./inference/result.jpg', im_array)  # 保存结果图

运行过程：

结果保存的图：