v1.0.4

v1.0.4 安装与使用说明

发布日期：2026-09-07

概要

v1.0.4 修复 Windows 便携版启动时 GPU 检测子进程递归启动的问题，保留标注、训练、推理、导出及可选组件功能，并补充 Conda 环境安装说明。

下载哪个包

包	适用场景	是否需要 NVIDIA GPU	内置内容
YOLO26-App-CPU	仅 CPU 的标注、训练和推理	否	Python 运行时和基础应用依赖
YOLO26-App-CUDA	已有 NVIDIA GPU，按需下载模型	是	CUDA 12.1 PyTorch 和基础应用依赖
YOLO26-App-CUDA-FULL	离线使用 YOLO26 和 SAM2	是	CUDA 12.1 PyTorch、SAM2 兼容运行时、YOLO26 n/s、SAM2.1 Tiny

普通 YOLO 推理优先选择 CPU 或 CUDA 包；需要离线模型和 SAM2 时选择 CUDA-FULL。

Windows 便携包使用方式

1. 从 v1.0.4 Release 下载对应包及其 .sha256 文件。
2. CPU 包直接完整解压后启动 YOLO26-App-CPU.exe。
3. CUDA 和 CUDA-FULL 包要求兼容的 NVIDIA 显卡与驱动，不需要额外安装 CUDA Toolkit。
4. 分卷包需要下载同一包的全部 .zip.partNNN、.sha256 和 .reassemble.ps1 文件。
5. 解压后不要只移动 EXE；它依赖同目录的 _internal 和其他运行时文件。
6. 需要桌面快捷方式时，右键对应 EXE，选择“发送到 → 桌面快捷方式”。

便携包本身不自动创建快捷方式，也不能在解压目录旁边通过 pip install 追加 Python 可选组件。

源码安装方式

要求 Python 3.10–3.12。Windows 推荐在项目根目录运行：

install.bat --profile auto

auto 在 nvidia-smi 可用时选择 CUDA 12.1，否则选择 CPU。安装器会创建 venv、安装锁定依赖、运行 pip check，并在当前用户桌面创建 YOLO26 App.lnk。

也可以明确选择配置：

install.bat --profile cpu
install.bat --profile cuda
install.bat --dry-run

Conda 环境安装

如果已经安装 Anaconda 或 Miniconda，可以先使用 Conda 创建环境，再使用项目锁定的 pip 文件安装运行时：

conda create -n yolo26-app python=3.10 -y
conda activate yolo26-app

CPU 环境：

python -m pip install -r requirements-lock-cpu.txt
python -m pip install --no-deps .

NVIDIA CUDA 12.1 环境：

python -m pip install -r requirements-lock-cuda-cu121.txt
python -m pip install --no-deps .

安装完成后运行 python main.py 或已安装的 yolo26-app 图形启动命令。不要在同一个 Conda 环境中同时安装 onnxruntime 和 onnxruntime-gpu。

手动安装与 PyPI

源码开发者可以选择锁定配置：

python -m venv venv
python -m pip install -r requirements-lock-cpu.txt
python -m pip install --no-deps .

NVIDIA CUDA 12.1 用户使用 requirements-lock-cuda-cu121.txt。PyPI 用户可以安装 yolo26-app[onnx]；GPU ONNX 推理可改用 [onnx-gpu]。PyPI 包不包含模型权重、CUDA 或 Windows 便携运行时。

模型与可选组件

应用首次运行会在 %USERPROFILE%\.yolo26_app\workspace 下创建项目、模型和日志目录。CUDA-FULL 包内置 YOLO26 n/s 和 SAM2.1 Tiny 权重；Grounding DINO、RealSense 和 TensorRT 仍需按需安装。

已知事项

• 便携 EXE 必须保留完整 onedir 目录结构；
• CUDA 包只要求兼容的 NVIDIA 驱动，不要求安装同版本 CUDA Toolkit；
• onnxruntime 与 onnxruntime-gpu 不应同时安装；
• TensorRT engine 与目标机器的 GPU、驱动、CUDA 和 TensorRT 版本有关，不建议跨机器直接复用。

v1.0.3

v1.0.3 发布说明

发布日期：2026-08-03

概要

v1.0.3 新增 Windows CUDA-Full 离线便携包，并保留原有 CPU 与 CUDA 包。CUDA-Full 面向有 NVIDIA GPU 的离线使用场景，内置 YOLO26 n/s 检测权重、SAM2.1 Hiera Tiny 权重和 SAM2 运行依赖。普通 PyPI 包仍保持轻量，不包含模型权重、CUDA、SAM2 或 Windows 运行时。

下载哪个包

包	适用场景	是否需要 NVIDIA GPU	内置内容
YOLO26-App-CPU	仅 CPU 的标注、训练和推理	否	Python 运行时和基础应用依赖
YOLO26-App-CUDA	已有 GPU 环境，按需下载模型	是	CUDA 12.1 PyTorch 和基础应用依赖
YOLO26-App-CUDA-FULL	无网络或希望开箱使用 YOLO26/SAM2	是	CUDA 12.1 PyTorch、SAM2 兼容运行时、YOLO26 n/s、SAM2.1 Tiny

CUDA-Full 体积明显更大；若只使用普通 YOLO 推理或不需要 SAM2，优先选择 CPU 或 CUDA 包。

CUDA-Full 包含什么

• yolo26n.pt：YOLO26 Nano 检测权重，适合快速推理和轻量训练起点。
• yolo26s.pt：YOLO26 Small 检测权重，精度与资源占用更均衡。
• sam2.1_hiera_tiny.pt：SAM2.1 Hiera Tiny 交互分割权重。
• 固定提交的 SAM2 Python 依赖，以及 sam2_configs、Hydra、OmegaConf、iopath 等运行资源。
• CUDA 12.1 对应的 PyTorch 2.5.1 和 torchvision 0.20.1。

应用首次启动会在后台将内置模型复制到用户工作区的 system_model/yolo/ 和 system_model/sam2/。复制期间，训练和 SAM2 标注仍可直接使用包内的只读模型；已有的用户模型或自训练模型不会被覆盖。

使用方式

1. 从 v1.0.3 Release 下载对应包及其 .sha256 文件。
2. CPU 包直接解压后启动 YOLO26-App-CPU.exe。
3. CUDA 或 CUDA-Full 包要求目标电脑具有兼容的 NVIDIA 显卡和驱动；无需额外安装 CUDA Toolkit。
4. 完整解压压缩包后启动对应 .exe，不要只移动 .exe 文件。
5. 在“训练”页选择 YOLO26 n 或 s 时，CUDA-Full 会优先使用内置权重，不触发 Ultralytics 自动下载。
6. 在“标注”页使用 SAM2 时，选择 Tiny 模型即可使用内置 sam2.1_hiera_tiny.pt。

分卷压缩包

CUDA 和 CUDA-Full 超过 GitHub 单个附件大小限制，发布为多个 .zip.partNNN 文件。下载同一包的所有分卷、.zip.sha256 与 .reassemble.ps1 到同一目录，执行：

powershell -ExecutionPolicy Bypass -File .\YOLO26-App-CUDA-FULL.reassemble.ps1
Expand-Archive .\YOLO26-App-CUDA-FULL.zip

CUDA 包使用同名的 YOLO26-App-CUDA.reassemble.ps1。重组脚本会先校验 SHA-256，再解压。

不包含的组件

• TensorRT：必须根据目标机器的 GPU、驱动和 CUDA 环境单独安装。
• YOLOv8 权重：仍可由用户按需下载或导入。
• SAM2 Small、Base+、Large：仍为按需下载模型。
• Grounding DINO、RealSense：保持为可选组件。

SAM2 以不编译自定义 CUDA 扩展的兼容模式打包，避免目标设备要求 NVCC。核心图像交互分割可用，但它不是针对所有高级视频功能的性能优化构建。

修复与改进

• 修复训练完成后结果摘要遮挡训练曲线的问题：曲线默认保持显示，结果摘要由“查看训练结果”展开。
• 增加内置模型清单、固定下载 URL 和 SHA-256 校验，防止构建时下载到未受控的权重文件。
• 增加 CUDA-Full 构建资源检查，兼容 PyInstaller 的根目录与 _internal 两种包布局。
• 修复 Windows UI 测试中强制处理 Qt 延迟销毁可能导致的原生访问冲突。

已知事项

• PyPI 发布依赖 PyPI Trusted Publisher 配置。若 PyPI 工作流显示 invalid-publisher，请参照 PyPI Trusted Publisher 排障文档 核对项目、仓库、工作流和 pypi Environment。
• Windows 便携包与 PyPI 发布相互独立；PyPI 发布失败不会影响 GitHub Release 的 Windows 包下载。

v1.0.2

YOLO26 App v1.0.2

选择下载包

文件	适用范围	作用
YOLO26-App-CPU.zip	没有 NVIDIA 显卡，或只需使用 CPU。	Windows x64 便携版，包含 Python 运行时和核心依赖，支持项目管理、标注、数据集导出、CPU 推理与训练。
YOLO26-App-CUDA.zip.part001、part002 等	有兼容的 NVIDIA 显卡和驱动。	CUDA Windows x64 便携版的分卷，内含 CUDA 12.1 PyTorch，可用于 GPU 推理和训练。必须下载全部分卷。
*.sha256	下载 CPU 或 CUDA 压缩包后。	SHA-256 校验文件，用于验证最终 ZIP 未损坏或被篡改。
YOLO26-App-CUDA.reassemble.ps1	下载完全部 CUDA 分卷后。	自动合并 CUDA 分卷，并在解压前校验 SHA-256。

CPU 包使用

下载 YOLO26-App-CPU.zip，完整解压后，从解压目录启动 YOLO26-App-CPU.exe。

不要只移动 .exe 文件，它依赖同目录中的运行时文件。

CUDA 包使用

将 YOLO26-App-CUDA.zip.part001、所有后续 .partNNN 文件、YOLO26-App-CUDA.zip.sha256 与 YOLO26-App-CUDA.reassemble.ps1 下载到同一目录，然后运行：

powershell -ExecutionPolicy Bypass -File .\YOLO26-App-CUDA.reassemble.ps1
Expand-Archive .\YOLO26-App-CUDA.zip

从解压目录启动 YOLO26-App-CUDA.exe。CUDA 包不会安装 NVIDIA 驱动，请先安装或更新兼容驱动。

包含内容与可选组件

两个便携包都包含应用、Python 运行时、核心依赖、SVG/YAML 资源、许可证、README 和构建元数据；模型权重与用户数据不会被打包。

TensorRT、SAM2、Grounding DINO 与 RealSense 为可选集成，均未内置。TensorRT 必须匹配目标机器的 NVIDIA GPU、驱动、CUDA 和 TensorRT 运行时。

首次启动后，项目、标注、模型和日志会保存在 %USERPROFILE%\.yolo26_app\workspace。

GitHub 自动生成的 Source code (zip) 与 Source code (tar.gz) 面向需要查看或构建源码的开发者，不是可直接运行的安装包。

完整更新记录: v1.0.1...v1.0.2

1.0

这是软件的1.0旧版本时间 2026.7.17