yolov12已经发布，项目地址为github.com/sunsmarterjie/yolov12，下面我们来看看如何在windows系统上配置其运行环境。首先查看官方提供的安装命令：
wget https://github.com/Dao-AILab/flash-attention/releases/download/v2.7.3/flash_attn-2.7.3+cu11torch2.2cxx11abiFALSE-cp311-cp311-linux_x86_64.whl conda create -n yolov12 python=3.11 conda activate yolov12 pip install -r requirements.txt pip install -e .
显然，官方脚本是针对Linux系统的，因为其中使用的
flash_attn是一个Linux平台的whl包。接着我们前往flash-attention项目的Release页面查找是否有适用于Windows的
win_amd64.whl文件。可惜的是，官方并未提供Windows版本的预编译包，仅支持Linux。因此，若想在Windows上运行，要么寻找第三方提供的whl文件，要么自行从源码编译。
尝试从源码编译有一定难度，对环境要求较高，因此更推荐寻找已编译好的Windows版本whl包。例如可以从gitee.com/FIRC/flash_attn_chinese_mirror获取，当然你也可以搜索其他可信来源。
我本地使用的是Python 3.10环境，当然你也可以选择Python 3.11或其他版本。
创建并激活conda环境：
立即学习“Python免费学习笔记（深入）”；
conda create -n yolov12 python=3.10 conda activate yolov12
我下载的flash-attn版本为：
flash_attn-2.7.4+cu124124torch2.5.1cxx11abiFALSE-cp310-cp310-win_amd64.whl
为确保版本兼容，我同步调整了PyTorch版本，安装命令如下：
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu124124
然后修改项目根目录下的
requirements.txt，将原本的torch和flash-attn相关行注释掉：
#torch==2.5.1 #torchvision==0.20.1 #flash_attn-2.7.3+cu11torch2.2cxx11abiFALSE-cp311-cp311-linux_x86_64.whl timm==1.0.14 albumentations==2.0.4 onnx==1.14.0 onnxruntime==1.15.1 pycocotools==2.0.7 PyYAML==6.0.1 scipy==1.13.0 onnxslim==0.1.31 onnxruntime-gpu==1.18.0 gradio==4.44.1 opencv-python==4.9.0.80 psutil==5.9.8 py-cpuinfo==9.0.0 huggingface-hub==0.23.2 safetensors==0.4.3 numpy==1.26.4
继续执行依赖安装：
pip install -r requirements.txt pip install -e .
安装完成后，进行图片推理测试：
SmartB2B 是一款基于PHP、MySQL、Smarty的B2B行业电子商务网站管理系统，系统提供了供求模型、企业模型、产品模型、人才招聘模型、资讯模型等模块，适用于想在行业里取得领先地位的企业快速假设B2B网站，可以运行于Linux与Windows等多重服务器环境，安装方便，使用灵活。 系统使用当前流行的PHP语言开发，以MySQL为数据库，采用B/S架构，MVC模式开发。融入了模型化、模板
yolo task=detect mode=predict model=weights/yolov12n.pt source=E:\animal.jpg save=true
输出日志如下：
FlashAttention is not available on this device. Using scaled_dot_product_attention instead.
D:naconda3envsyolo12libsite-packages immmodelslayers__init__.py:48: FutureWarning: Importing from timm.models.layers is deprecated, please import via timm.layers
warnings.warn(f"Importing from {__name__} is deprecated, please import via timm.layers", FutureWarning)
Ultralytics 8.3.63 ? Python-3.10.16 torch-2.5.1+cu124124 CUDA:0 (NVIDIA GeForce RTX 2070 Super, 8192MiB)
YOLOv12n summary (fused): 352 layers, 2,590,824 parameters, 0 gradients, 6.5 GFLOPs
image 1/1 E:nimal.jpg: 640x640 1 zebra, 1 giraffe, 16.0ms
Speed: 4.0ms preprocess, 16.0ms inference, 91.0ms postprocess per image at shape (1, 3, 640, 640)
Results saved to runsdetectpredict看到提示“FlashAttention is not available on this device”，怀疑flash-attn未正确安装。于是进入Python环境手动导入测试：
![[python]windows上安装yolov12环境](https://img.php.cn/upload/article/001/503/042/175634726836500.jpg)
手动import测试：
![[python]windows上安装yolov12环境](https://img.php.cn/upload/article/001/503/042/175634726833977.jpg)
导入成功，说明flash-attn安装无误。问题出在
torch.cuda.get_device_capability()[0] >= 8这一条件不满足。我的显卡是RTX 2070，计算能力为7.5，低于8.0，而flash-attn可能仅对算力8.0及以上设备启用优化功能。因此该警告可忽略。
最终效果如下：
![[python]windows上安装yolov12环境](https://img.php.cn/upload/article/001/503/042/175634726848980.jpg)
环境配置成功，yolov12可在Windows上正常运行！
