概述
在前面的步骤中，我们准备好了Cuda环境、Python环境、并已学会Python虚拟环境的创建，本节教程幽络源基于先前的环境搭建一个基于GPU版本的Yolo项目环境。
步骤1：获取Yolo官方源码
在yolo官方github中下载源码，无法下载的用户可通过幽络源分享的网盘链接进行下载->ultralytics-main.zip源码
下载后，将其放置于一个空目录中，并解压，如图
步骤2：获取GPU版本的torch三件套
如图官方表示获取到源码后执行 pip install ultralytic 即可下载项目全部的库，但是默认下载的torch是cpu版本的，我们需要GPU版本的，因此需先获取到GPU版本的torch
首先知道自己的Python版本，我是python3.9，然后还需要知道自己的cuda版本去获取对应版本的torch，在命令面板中执行
nvidia-smi如图可以看到我的cuda版本为12.2
来到torch官方，由于幽络源的cuda版本为12.2，因此查找 小于等于CUDA 12.2的torch版本都可以，如图我这里选择了
#CUDA12.1
torch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0
再来到torch官方下载页，来查找适用于linux的python3.9的torch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0。【若觉得下方步骤麻烦，这里幽络源已整理好torch三件套于网盘中=>linux版本torch三件套python39用】
如图在浏览器使用ctrl+F进行搜索
对于torch，我们搜索 cu121/torch-2.2.0即可快速找到，点击下载
同样的，搜索 cu121/torchaudio-2.2.0，cu121/torchvision-0.17.0也下载下来
下载完后将其放置于 ultralytics目录下，如图
步骤3：为ultralytics项目配置并进入虚拟环境
如图在ultralytics目录下执行 virtualenv venv命令为其创建虚拟环境
然后先后通过如下命令进入虚拟环境
cd venv
cd bin
source activate
步骤4：安装GPU版本的torch三件套
进入到虚拟环境后首先安装GPU版的torch，而不是先使用官方推荐的pip install ultralytics命令
如图幽络源首先返回到了ultralytics目录，然后执行 pip3.9 install torch-2.2.0+cu121-cp39-cp39-linux_x86_64.whl安装该torch
torch安装完成后，再先后执行如下命令安装 torchvision和torchaudio
pip3.9 install torchvision-0.17.0+cu121-cp39-cp39-linux_x86_64.whl
pip3.9 install torchaudio-2.2.0+cu121-cp39-cp39-linux_x86_64.whl如图
步骤5：安装yolo剩下的环境
由于我安装的torch-2.2.0需要numpy版本小于2，因此首先安装指定版本的numpy==1.26.4，如图
再执行官方的命令 pip3.9 install ultralytics
如图
至此yolo的所有环境配置完成，你已经可以使用该项目进行 训练模型、使用模型做目标识别任务了
结语
以上是幽络源的在Ubuntu中搭建yolo环境的详细教程，如有不懂之处可加入我们的官方QQ群307531422学习交流询问。