如果已经安装过anaconda3或miniconda3，可跳过本步骤
首先访问镜像站点：mirrors.tuna.tsinghua.edu.cn/anaconda/archive/，选择所需版本进行下载。推荐使用Anaconda3-2021.05-Windows-x86_64.exe，当然也可选择更新的版本。下载完成后双击运行安装程序（安装过程稍慢，请耐心等待）。点击Next进入下一步，选择Just Me选项即可。若无其他提示界面，直接点击Next或I agree继续。后续步骤均采用默认设置即可。
安装路径建议不要选择C盘，以避免占用系统盘空间并防止权限问题。推荐将anaconda3安装在非系统盘的全英文路径下，避免使用中文或空格。
安装过程中务必勾选“Add Anaconda to the system PATH environment variable”选项，确保环境变量被正确添加。若未勾选，则需手动配置环境变量。
安装完成后，打开“开始菜单 → Anaconda3 → Anaconda Prompt”，在命令行中输入python，查看是否正常显示Python版本信息。
创建虚拟环境
使用Anaconda Prompt创建独立虚拟环境（yolov11为环境名称，可根据需要修改；python=3.10指定Python版本，也可替换为其他兼容版本，如python=3.8）
conda create -n yolov11 python=3.10
按回车确认后，出现提示时输入y并回车两次。
随后配置pip源为清华镜像，提升后续包下载速度：
pip config set global.index-url https://www.php.cn/link/a6455ffc4e47fd737db213366771ec0e
【CPU版本安装指南】
若电脑无NVIDIA显卡，可直接执行以下命令安装yolov11相关组件：
pip install -i https://www.php.cn/link/a6455ffc4e47fd737db213366771ec0e ultralytics
该命令会自动安装yolov11所需的所有依赖，包括PyTorch（CPU版）和OpenCV等。
【GPU版本安装指南】
若拥有NVIDIA显卡，建议安装支持CUDA的PyTorch版本以启用GPU加速。注意：PyTorch自带CUDA支持，无需单独安装CUDA Toolkit。
执行以下命令安装GPU版PyTorch：
pip install torch==2.3.0+cu118 torchvision==0.18.0+cu118 -f https://www.php.cn/link/d79058bc2cc9eb428ee4f86439ab2070
若下载速度较慢，可尝试阿里云镜像源：
pip install torch==2.3.0+cu118 torchvision==0.18.0+cu118 -f https://www.php.cn/link/a0febca5873988859c6876f326d19f65
安装完成后，再安装yolov11主库：
pip install -i https://www.php.cn/link/a6455ffc4e47fd737db213366771ec0e ultralytics
此时安装的是支持GPU加速的yolov11版本。GPU加速依赖于NVIDIA的CUDA技术，因此仅适用于NVIDIA显卡。AMD显卡不支持CUDA，部分型号虽支持ROCm等加速方案，但不兼容当前主流yolov11的CUDA调用方式。
至此，yolov11开发环境已部署完成。如需进行图形界面开发，可额外安装PyQt5工具包：
pip install -i https://www.php.cn/link/a6455ffc4e47fd737db213366771ec0e pyqt5-tools
该命令会自动安装PyQt5及其相关依赖。请注意：PyQt5目前最高仅支持至Python 3.11，不兼容Python 3.12及以上版本。建议在创建虚拟环境时选择Python 3.8~3.11之间的版本，以免影响PyQt5项目的运行。
