[TOC]
A：在Windows中，如果不使用虚拟环境，默认会将各种安装包安装到系统的环境变量中。
例：如果你之前安装过Python，并将Python的路径添加到了系统的环境变量，那么你可以在win+R -> cmd 打开的命令行中输入python来启动python。如图：
注意到该python的版本为3.8.0。如果你需要安装python需要用的其他的库，如numpy，也会安装到系统的环境变量中。
上图中安装的numpy为1.24.4版本。
此时你打算跑一个深度学习的代码，一般比较完善的代码中都会有requirements.txt这样一个环境要求文档，你需要安装其中所有的库才能将代码跑起来，如图为yolo v8的库版本要求：
可以看到上图中要求的numpy版本为1.17.0，那么我之前安装的numpy可能就会让这个代码跑不起来。如果此时我需要更换numpy的版本，就需要将原来的版本卸载掉，根据要求来安装。而如果你要想再跑yolo v7，其库版本要求如下：
可以看到其需求的库非常多，这也是新手跑深度学习时最头疼的问题。当你按照yolo v7的要求对环境修修改改，终于跑了起来，你会发现原来跑的好好的yolo v8再也跑不起来了。因此我们需要使用虚拟环境来为不同的项目做出不同的环境配置。
在开始界面中找到Anaconda Prompt并打开
打开的命令行中会有(base)标识，表示当前处于conda默认的base环境下。base环境是安装完Anaconda时默认安装的一个虚拟环境
使用git或者直接下载yolo v8的代码，并解压缩，使用Pycharm打开该项目。此时会让你选择Python解释器，我们还没有配置好环境，所以暂时先不去管他：
双击打开左侧的requirements.txt来查看安装要求，并在下面单击打开一个终端：
输入
conda create -n v8 python=3.9
其中v8为虚拟环境的名称，表示创建的环境供yolo v8使用，你可以随便起一个。python=3.9表示在创建环境时安装一个3.10版本的python，具体要安装哪个版本的需要看项目要求，本文所用的代码要求大于3.7，随便安装一个符合要求的就行。系统提示以下包将被安装，输入y并按回车继续
出现以下提示就说明一个新的虚拟环境就创建好了：
Downloading and Extracting Packages:
Preparing transaction: done
Verifying transaction: done
Executing transaction: done
#
# To activate this environment, use
#
# $ conda activate v8
#
# To deactivate an active environment, use
#
# $ conda deactivate
输入conda env list来查看当前已有环境
PS E:\deep_learning\yolov8-pytorch> conda env list
# conda environments:
#
base D:\ProgramData\anaconda3
v8 D:\ProgramData\anaconda3\envs\v8
d:\ProgramData\anaconda3
看到当前除了base环境，还有一个名为v8的环境是我们刚才安装的。接下来需要在我们的虚拟环境里安装深度学习所需的库，即requirements.txt里提到的那些。
在命令行中输入conda activate v8，此时在路径的前面会有一个（v8）表示已经激活了该环境
E:\deep_learning\yolov8-pytorch>conda activate v8
(v8) E:\deep_learning\yolov8-pytorch>
如果输入完没有反应，检查一下终端的模式，要切换成第二个：
此时可以开始在当前环境下安装所需的库了。
注意到requirements.txt里第一个是torch，我们先将他屏蔽掉，在前两行的前面加上#来注释掉(torch这个库比较特殊，后面单独讲怎么安装)，安装其他的库。
# torch
# torchvision
tensorboard
scipy==1.2.1
numpy==1.17.0
matplotlib==3.1.2
opencv_python==4.1.2.30
tqdm==4.60.0
Pillow==8.2.0
h5py==2.10.0
在命令行中运行
pip install -r ./requirements.txt
如果下载过慢，或者连接超时，可以尝试换源，即在命令后面加上-i https://pypi.mirrors.ustc.edu.cn/simple/，如
pip install -r ./requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple/
该命令将下载地址从官方源更换为中科大源，也可换成其他源，如清华源/豆瓣源，只需要更换后缀即可。具体可自行搜索。
ERROR: Ignored the following yanked versions: 3.4.11.39
ERROR: Could not find a version that satisfies the requirement opencv_python==4.1.2.30 (from versions: 3.4.0.14, 3.4.10.37, 3.4.11.41, 3.4.11.43, 3.4.11.45, 3.4.13.47, 3.4.14.51, 3.4.14.53, 3.4.15.55, 3.4.16.57, 3.4.16.59, 3.
4.17.61, 3.4.17.63, 3.4.18.65, 4.3.0.38, 4.4.0.40, 4.4.0.42, 4.4.0.44, 4.4.0.46, 4.5.1.48, 4.5.2.52, 4.5.2.54, 4.5.3.56, 4.5.4.58, 4.5.4.60, 4.5.5.62, 4.5.5.64, 4.6.0.66, 4.7.0.68, 4.7.0.72, 4.8.0.74, 4.8.0.76, 4.8.1.78, 4.9.0.80)
ERROR: No matching distribution found for opencv_python==4.1.2.30
表明在系统中找不到opencv_python==4.1.2.30这个库，但是有以下版本可以选择。估计是该版本已经被淘汰了，我们修改requirements.txt中的opencv_python==4.1.2.30 改为 opencv_python==4.3.0.38，重新执行上面的命令，可以看到这次可以正常下载了：
Collecting opencv_python==4.3.0.38 (from -r ./requirements.txt (line 7))
Downloading https://pypi.tuna.tsinghua.edu.cn/packages/a1/d6/8422797e35f8814b1d9842530566a949d9b5850a466321a6c1d5a99055ee/opencv-python-4.3.0.38.tar.gz (88.0 MB)
━━━━━━━━╺━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 17.8/88.0 MB 232.1 kB/s eta 0:05:03
ERROR: Cannot install -r ./requirements.txt (line 4), -r ./requirements.txt (line 6), -r ./requirements.txt (line 7) and numpy==1.17.0 because these package versions have conflicting dependencies.
The conflict is caused by:
The user requested numpy==1.17.0
scipy 1.2.1 depends on numpy>=1.8.2
matplotlib 3.1.2 depends on numpy>=1.11
opencv-python 4.3.0.38 depends on numpy>=1.17.3
To fix this you could try to:
1. loosen the range of package versions you've specified
2. remove package versions to allow pip attempt to solve the dependency conflict
ERROR: ResolutionImpossible: for help visit https://pip.pypa.io/en/latest/topics/dependency-resolution/#dealing-with-dependency-conflicts
原因是正在安装的numpy版本为1.17.0，但是我们刚才安装的opencv-python 4.3.0.38 要求 numpy>=1.17.3，将requirements.txt中的numpy这一行改为numpy==1.17.3再次尝试
还是遇到了错误：
note: This error originates from a subprocess, and is likely not a problem with pip.
ERROR: Failed building wheel for h5py
Running setup.py clean for h5py
Failed to build scipy matplotlib opencv_python h5py
ERROR: Could not build wheels for scipy, matplotlib, opencv_python, h5py, which is required to install pyproject.toml-based projects
这次只好使出终极杀招，将所有的版本全部删除，让系统自动安装最新的：
终于安装成功：
Successfully installed MarkupSafe-2.1.5 Pillow-10.3.0 absl-py-2.1.0 colorama-0.4.6 contourpy-1.2.1 cycler-0.12.1 fonttools-4.51.0 grpcio-1.63.0 h5py-3.11.0 importlib-metadata-7.1.0 importlib-resources-6.4.0 kiwisolver-1.4.5 m
arkdown-3.6 matplotlib-3.8.4 numpy-1.26.4 opencv_python-4.9.0.80 packaging-24.0 protobuf-5.26.1 pyparsing-3.1.2 python-dateutil-2.9.0.post0 scipy-1.13.0 six-1.16.0 tensorboard-2.16.2 tensorboard-data-server-0.7.2 tqdm-4.66.4 werkzeug-3.0.3 zipp-3.18.1
但是这个方法有一个弊端，原作者使用的包比较老，可能某些函数在新的包里被删除或者修改了，那么在运行代码时需要去修改相应的接口。
为什么pytorch需要单独安装呢？因为如果我们用上述方法使用清华源或者中科大源去安装pytorch，会默认安装CPU版本的，无法使用显卡进行加速。所以我们要从官网来安装pytorch。
首先根据cuda版本来选择pytorch，我们之前安装的cuda版本为11.3，因此这里选择v1.10.0，高一点没关系，低了可能会不兼容。
将命令复制到终端运行，并选择Y，开始下载pytorch以及相关的依赖，如果安装比较慢，则请换源或者使用vpn进行加速
最后显示done则安装完成。
检验是否成功：
最终输出为True则表明安装成功并且可以调用CUDA。
大功告成，可以开始调试代码了。