工业视觉缺陷检测yolov8-aidlux模型部署

1、环境配置

今天的内容是配置环境和跑代码，配置环境我在pycharm里已经做过很多次了，比较熟练，但是这个vscode软件着实没弄明白怎么玩，于是最后还是在pycharm里面跑完了cnn的代码。

在anaconda中新建一个环境，这里就不演示了，包括怎么按照anaconda的方法都在这个链接里，直接抄PPT了

slides/chapter_0-Installation.ipynb · Epsilon Luoo/仅同步_learn-python-the-smart-way-v2 - Gitee.com

我的之前环境配置有点紊乱，后面慢慢学习开始用anaconda来管理整个环境，这样开始我才慢慢有点感觉了，每一个项目使用一个envs，而且可以打包到另一个电脑上使用，这个确实是很好很方便的一件事，也不再怕不同包之间发生冲突。

这里我记录一下我的环境配置方法，希望可以有帮助。

比较关键的是使用pytorch这个包，这个包使用GPU版本的比较麻烦一点（特别是对于两年前的电脑），视频里面都是可以直接在pytorch官网上找到匹配的版本，但是这个对于我来说不行。

在cmd命令行使用如下命令，可以看到CUDA Version:11.4，这意味着我的cuda最多可以安装到11.4及以下。

nvidia-smi

方法一：直接pytorch官网匹配

对于现在的pytorch官网，直接输入一行命令就安装并不现实，于是只能另外找方法来安装了。

方法二：没办法直接在官网上找到合适版本

1、我们先保证电脑是nvidia的独立显卡，然后安装上面找到适合自己的版本，最后在这个网站上找到torch、torchaudio、torchvision

https://download.pytorch.org/whl/cu102

打开torch点击进入，然后Ctrl+f搜索你自己的版本，我是cuda11.4，于是我找到的版本是cu113，这个代表cuda11.3版本，后面的cp310代表你匹配的python版本是python=3.10，找到适配版本后直接点击下载，这里需要提醒的是这个下载很慢，我用手机流量下载大概每秒3M左右。

2、接着在pytorch官网中找到以前previous版