配置Python环境变量
创建conda环境
配置CUDA环境变量
配置cuDNN文件
下载安装PythonSDK
拉取yolo8 GitHub项目到本地
Anaconda安装
下载安装CUDA toolkit
下载PyTorch
下载cuDNN
环境测试
除了拉取代码不需要验证,其他都需要自己check下到底是不是真安装成功了
一、确定版本
CUDA toolkit、cuDNN版本
- 查看显卡的CUDA支持的最高版本,我的是
12.2.79
,后面安装的CUDA toolkit和cuDNN大版本不能超过它
- 进PyTorch官网,查看支持的CUDA最高版本,即:我的电脑torch是最高支持
11.8
的CUDA
由以上两点,得出安装的CUDA、cuDNN不能超11.8,那我后面这俩安装<=11.8
Python、PyTorch版本
torch、python各版本兼容情况表
torch | torchvision | Python |
---|---|---|
main / nightly | main / nightly | >=3.8 , <=3.11 |
2.0 | 0.15 | >=3.8 , <=3.11 |
1.13 | 0.14 | >=3.7.2 , <=3.10 |
1.12 | 0.13 | >=3.7 , <=3.10 |
1.11 | 0.12 | >=3.7 , <=3.10 |
1.10 | 0.11 | >=3.6 , <=3.9 |
1.9 | 0.10 | >=3.6 , <=3.9 |
1.8 | 0.9 | >=3.6 , <=3.9 |
1.7 | 0.8 | >=3.6 , <=3.9 |
1.6 | 0.7 | >=3.6 , <=3.8 |
1.5 | 0.6 | >=3.5 , <=3.8 |
1.4 | 0.5 | ==2.7 , >=3.5 , <=3.8 |
1.3 | 0.4.2 / 0.4.3 | ==2.7 , >=3.5 , <=3.7 |
1.2 | 0.4.1 | ==2.7 , >=3.5 , <=3.7 |
1.1 | 0.3 | ==2.7 , >=3.5 , <=3.7 |
<=1.0 | 0.2 | ==2.7 , >=3.5 , <=3.7 |
上面有CUDA、cuDNN版本<=11.8
再在进PyTorch官网,预览一下DUDA<=11.8的有哪些
考虑到后面可能会用到其他组件,相互兼容的不是特别及时,所以我选了11.6
的CUDA,看到PyTorch有1.13.0
支持CUDA11.6
的,那么在上面 torch、python各版本兼容情况表 里可以得出:我的电脑CUDA、duDNN、PyTorch它们三个,和Python互相兼容的py版本范围是3.7.2 ~ 3.10
所以,py版本不宜过高,基本都是向下兼容,YOLO5的默认SDK版本是3.7,YOLO8的默认SDK版本是3.8
最终版本选择
名 | 版本号 |
---|---|
Python | 3.8.0 |
CUDA toolkit | 11.6.0 |
cuDNN | 11.x |
PyTorch | 1.13.0 |
TorchAudio | 0.13.0 |
TorchVision | 0.14.0 |
二、安装Python
下载
已经有Python的需要卸载干净,去官网找自己对应版本的安装包(要卸载哪个就找哪个版本的exe安装包),比如找
3.8.0
的,下载运行点击Uninstall进行卸载
电脑无Python残留,或没有安装过Python,进官网版本列表下载自己要的版本,一路确认即可,尽量是不要安在有中文的路径下,后面的安装也是
环境变量
将Python安装目录和里面的Scripts文件夹路径放在Path里
C:\Users\Administrator\AppData\Local\Programs\Python\Python38
C:\Users\Administrator\AppData\Local\Programs\Python\Python38\Scripts
验证安装
win+r后键入cmd确认,出现版本号
python -V
或者
python --version
三、安装Anaconda
一个易于安装的包管理器、环境管理器和 Python 发行版,包含 1,500 多个开源包,并提供 免费社区支持。Anaconda与平台无关,因此无论在Windows、macOS还是Linux上都可以使用它,与它类似的有pip。
安装
进Anaconda官网,点下载,无脑下一步即可
环境变量
将以下四个路径添加进Path
验证安装
conda -V
创建conda虚拟环境
后面的操作都是基于这个虚拟环境,最好是用管理员打开终端
CommandNotFoundError: Your shell has not been properly configured to use ‘conda activate
第一次激活环境,可能有这个错误,根据提示使用conda init
,重启cmd。或者使用source activate env_name
使环境可用。
# 创建虚拟环境
conda create -n yolov8 python=3.8.0
# 激活虚拟环境(切换至这个环境)
conda activate yolov8
# 查看已创建的虚拟环境
conda info -e
常用命令
# 查看版本
conda --version # 或者 conda -V
# 更新conda
conda update conda
# 更新Anaconda
conda update Anaconda
# 查看环境配置
conda config --show
# 查看安装了哪些包
conda list
# 查看Anaconda仓库有没有这个想要的包
conda search package_name
# 新增镜像channel
conda config --add channels mirrors_url
# 移除镜像channel
conda config --add channels mirrors_url
# 查看配了哪些镜像channel
conda config --show channels
# 设置清华镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
# 设置bioconda
conda config --add channels bioconda
conda config --add channels conda-forge
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes
# 创建虚拟环境
conda create -n env_name python=3.8
# 查看虚拟环境
conda env list #或conda info -e 或conda info --envs
# 激活虚拟环境
conda activate env_name
# 退出当前虚拟环境
conda deactivate
# 删除虚拟环境
conda remove -n env_name --all
# 安装包(在当前虚拟环境)
conda install package_name=package_version
# 更新包(在当前虚拟环境)
conda update package_name
# 删除包(在当前虚拟环境)
conda remove --name env_name package_name
# 卸载包
conda uninstall package_name
# 增量卸载包(如果有虚拟环境在用,会跳过这个小包,就是不全卸载)
conda uninstall package_name --force
# 删除没有在用的包
conda clean -p
# 清理缓存
conda clean -y -all
# 变更Python版本
conda install python=3.5 #升级到最新版conda update python
# 查看配置文件地址 (默认`C:\Users\用户名\.condarc`)
conda info #user config file那行
# conda初始化
conda init
四、安装CUDA toolkit
下载
官网下载,跳转翻阅之前版本,找到CUDA-11.6.0
下载
安装,注意下面两步,其他默认
环境变量
默认安装在:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6
Path加入下面这5个路径(安装默认配了bin和libnvvp)。
验证安装
cmd窗口输入:nvcc -V
或者
cmd切换CUDA安装目录,进extras/demo_suite
目录,执行里面的bandwidthTest.exe
,再执行deviceQuery.exe
,结果显示PASS即是成功
五、配置cuDNN
通俗点讲,cuDNN就是CUDA toolkit的一个补丁,深度学习需要这个补丁才能使用API驱动GPU的CUDA
下载
进官网,需要登陆NVIDIA账号,并且注册成开发者,完成后进入下载界面
解压,全选复制,黏贴到CUDA安装目录,全部"是"即可
验证配置 cuDNN的验证放在后面
六、安装PyTorch(torch+torchversion+torchaudio)
一种开源深度学习框架,以出色的灵活性和易用性著称。
下载
打开cmd,进入之前创建的虚拟环境yolov8
,复制torch官网conda语句,安装PyTorch
官网安装PyTorch语句在这,一定要看好自己需要哪个torch版本、cuda版本
conda activate yolov8
# -c pytorch可以去掉,即不指定pytorch官方channel下载,国内快一点
conda install pytorch==1.13.0 torchvision==0.14.0 torchaudio==0.13.0 pytorch-cuda=11.6 -c nvidia
# 或者pip下载 (2选1)
pip install torch==1.13.0+cu116 torchvision==0.14.0+cu116 torchaudio==0.13.0 --extra-index-url https://download.pytorch.org/whl/cu116
如果有CondaHTTPError: HTTP 000 CONNECTION FAILED for url ...
的错误, 修改conda配置文件,把下面内容全部替换掉原来的,重启命令行,进环境再install一下
配置文件默认地址C:\Users\{用户名}\.condarc
show\_channel\_urls: true
channels:
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
ssl\_verify: false
channels:镜像源
ssl_verify:关闭SSL安全认证
show_channel_urls:从channel安装某个包时,显示channel的url
验证torch安装
官方验证,进cmd,进python环境,输入下面三行,看打印结果
import torch
x = torch.rand(5, 3)
print(x)
# 样例输出
**自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。**
**深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!**
**因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。**
![img](https://img-blog.csdnimg.cn/img_convert/6dcc0862029bb4ce5e64dccbe9b26403.png)
![img](https://img-blog.csdnimg.cn/img_convert/1aac9d2452a37fb561c760f533b439a4.png)
![img](https://img-blog.csdnimg.cn/img_convert/f32e7828450c905cd17f48b449814106.png)
![img](https://img-blog.csdnimg.cn/img_convert/16caff78e9822d832e3dcdb4e56fa9da.png)
![img](https://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)
![img](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)
**既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!**
**由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新**
**如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注:Python)**
ython开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。**
[外链图片转存中...(img-ar9LUteg-1713725825742)]
[外链图片转存中...(img-kLkOtPh8-1713725825743)]
[外链图片转存中...(img-RiODjwHL-1713725825744)]
[外链图片转存中...(img-PjVyG7WX-1713725825744)]
![img](https://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)
![img](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)
**既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!**
**由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新**
**如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注:Python)**
![](https://img-blog.csdnimg.cn/img_convert/7470228b33451cf2e145759f5e5ae7a6.jpeg)