yolov8安装与环境配置

m0_57461807

已于 2024-11-05 22:22:32 修改

阅读量917

点赞数 5

文章标签： YOLO python

于 2024-04-16 02:52:17 首次发布

本文链接：https://blog.csdn.net/m0_57461807/article/details/137792972

版权

1.Anaconda下载+配置

从清华镜像源 Index of / (anaconda.com)下载

版本选择2023.07

Anaconda自带python(3.8) 无需自己下载Python

下载完成后两步: ①修改环境路径

②修改下载资源为清华镜像源

Windows下的Anaconda详细安装教程(2023/10/7)_windows安装anaconda-CSDN博客

具体看此篇

2.Cuda和Pytorch的下载

首先在Anaconda prompt中创建 yolov8 虚拟环境并激活

conda create -n yolov8 python=3.8.3

在激活的虚拟环境中：先下载Cuda和Cudnn，这两者相当于为pytorch搭建GPU学习基础，之后再下载Pytorch

一. Cuda和Cudnn

Cuda下载网址：https://developer.nvidia.com/cuda-toolkit-archive

Cudnn下载网址：https://developer.nvidia.com/rdp/cudnn-archive

具体参考：最详细！Windows下的CUDA与cuDNN详细安装教程_cuda安装-CSDN博客

注意点：Cuda和Cudnn在下载过程中不要更改默认下载路径！在CUDNN解压移动到cuda过程中要进行文件替换而不是跳过

二. Pytorch

两种方法下载

①去Pytorch官网找到对应cuda版本的pytorch进行命令行下载，需使用vpn，这种方法基本不会出错，能直接生成torch.cuda依赖。

conda:conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.8 -c pytorch -c nvidia

②下载对应的wheel软件，当第一种方法不成功时再用。细节为先找到对应wheel软件所在的文件地址，在命令行中切换到对应文件地址，再pip+完整包名

pip:pip install torch-2.0.0+cu118-cp38-cp38-win_amd64.whl

检验:

#输入库
import torch
#查看版本
print(torch.__version__)
#查看gpu是否可用
print(torch.cuda.is_available())
#返回设备gpu个数
print(torch.cuda.device_count())
# 查看对应CUDA的版本号
print(torch.backends.cudnn.version())
print(torch.version.cuda)
#退出python
quit()