目录
前言
当初我也曾在搭建Yolov8的GPU环境上遇到了不少挑战,但经过耐心的测试和实践,终于成功了!在这里,我想分享我的经验,让其他小伙伴少走弯路。
首先,确保你的GPU驱动程序已经正确安装并且与CUDA兼容。检查CUDA和cuDNN的版本,与你要使用的Yolov8版本相匹配。
接着,安装适用于GPU的PyTorch。你可以通过PyTorch官方网站找到与你的CUDA版本相匹配的PyTorch安装命令。
然后,下载Yolov8的源代码,并根据README文件中的说明进行配置。确保你正确地设置了相关的路径和参数,以便Yolov8能够在GPU上运行。
在进行训练之前,最好先测试一下你的环境是否配置正确。运行一些简单的代码或者示例来验证GPU是否正常工作。
最后,开始训练你的Yolov8模型,并根据需要进行调优和优化。记得在整个过程中保持耐心和坚持,因为搭建和训练一个高效的Yolov8模型需要时间和努力。
按以下步骤进行操作,我用的 windows11,显卡 NVIDIA GeForce RTX 2070 with Max-Q Design
1、安装CUDA
查看支持的cuda版本,并去官网下载 网址:https://developer.nvidia.com/cuda-toolkit-archive
1、运行 nvidia-smi 查看最高支持版本
C:\Users\Administrator>nvidia-smi
Wed Apr 24 10:05:04 2024
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 528.79 Driver Version: 528.79 CUDA Version: 12.0 |
|-------------------------------+----------------------+----------------------+
| GPU Name TCC/WDDM | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+=========