1 创建环境，打开终端

conda create -n yolov8 python=3.8

按 y 操作

2 激活环境

conda activate yolov8

3 官网安装 pytorch

https://pytorch.org/get-started/locally/
我是cuda版本的，可以先查看自己电脑最高支持的cuda版本，对官网下载对应的就好（比自己的电脑版本低的都可以）。这里有个坑，还要适配python版本，不然会出现下载失败的情况。

推荐命令！！！不出错版本（Python 3.8 + CUDA 11.8，完美兼容 YOLOv8）

pip install torch==2.4.1 torchvision==0.19.1 torchaudio==2.4.1 -i https://mirror.sjtu.edu.cn/pypi/web/simple/ --extra-index-url https://mirror.sjtu.edu.cn/pytorch-wheels/cu118/ --force-reinstall --no-cache-dir --timeout 300

备用命令那个快用哪个：

pip install torch==2.4.1 torchvision==0.19.1 torchaudio==2.4.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/ --extra-index-url https://download.pytorch.org/whl/cu118 --force-reinstall --no-cache-dir --timeout 300

【补充】 gpu版本的可以用下面的命令：

pip install torch==2.4.1 torchvision==0.19.1 torchaudio==2.4.1 -f https://mirror.sjtu.edu.cn/pytorch-wheels/cu118/index.html

【补充】查看自己电脑支持的cuda版本命令是：
直接在 PowerShell / CMD 里输入

nvidia-smi

4 验证安装成功

安装后验证（确认是 GPU 版）

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"

成功标志，缺一不可

2.4.1+cu118 # 显示cu118而非cpu True # 显示True说明GPU可用

5 YOLOv8的安装

参考地址：https://github.com/ultralytics/ultralytics
推荐下载压缩包

6 打开项目，选择刚刚创建的yolov8环境

7 安装yolov8源码

编辑器命令行，cmd进到目录下面也可以
官网安装方式本人不推荐，推荐用pip源码安装，可以下载源码，方便本地修改

pip install -e .

8 验证yolov8安装成功

pip show ultralytics

9 模型的测试

用项目里面自带的图片进行测试

yolo predict model=yolo26n.pt source=ultralytics/assets/bus.jpg

测试结果：
4个人，1辆车

10 试试修改源码测试

修改yolo/engine/model.py文件的predict函数，添加一句

print("试一试插入代码")

测试结果如下，添加成功，模型正常运行

以上就是完整的yolov8源码安装的所有过程咯~