如何搭建YOLO10算法环境、训练模型、调试代码及设计UI界面（其一：YOLO10算法环境搭建与配置指南）

预计会用三篇文章完成YOLOv10的学习记录

前段时间参加比赛，跟着网上视频学习了一下yolo，yolov10也更新了好长时间了，想试着再尝试学习一下。

软硬件环境

win11家庭版，NVIDIA GeForce RTX 3050

一.环境的搭建

1.anaconda的下载与安装

1.因为我们使用的是yolo的python代码，这个软件能提供我们需要的python虚拟环境，同时这个软件最重要的是能帮助我们更方便的管理python环境

官网链接：Download Anaconda Distribution | Anaconda

下载链接：

Download Now | Anaconda

2.下载好我们需要的安装包，双击

我用的自己的电脑所以just me就好，如果你使用的设备多人使用的话可以选择all users,区别的话？多了是否需要添加path这一步？请自行斟酌选择

just me:

all users:

3.选择好自己想要安装的位置后，选择next

4.勾选path，这一步能自动添加环境变量

5.然后一路next就好

6.取消勾选next，finish结束

检查一下环境变量

6.如果没能自动添加环境变量添加环境变量，下面的这些可以参考手动添加一下

默认安装目录：
C:\ProgramData\anaconda3
C:\ProgramData\anaconda3\Scripts
C:\ProgramData\anaconda3\Library\usr\bin
C:\ProgramData\anaconda3\Library\mingw-w64\bin
C:\ProgramData\anaconda3\Library\bin
自己的安装目录，需要根据自己的安装目录更改：
D:\app\anaconda3
D:\app\anaconda3\Library\mingw-w64\bin
D:\app\anaconda3\Library\usr\bin
D:\app\anaconda3\Library\bin
D:\app\anaconda3\Scripts

验证安装：

cmd输入

conda list

如果出现以上情况，则anaconda安装并配置成功

2.vscode的安装与配置

下载：Download Visual Studio Code - Mac, Linux, Windows

1.双击安装：

2.点我同意，然后一路next

3.务必勾选“添加PATH（重启后生效）”，否则需要手动添加变量

4.双击打开后，点击扩展并安装我们所需要的插件

5.重启，Ctrl+shift+p，点击选择解释器

6.点击conda

打开vscode，因为我们使用YOLOv10的代码，所以以YOLOv10官网安装建议创建虚拟环境，终端输入

conda create -n yolov10 python=3.9
conda activate yolov10
pip install -r requirements.txt
pip install -e .

激活环境，激活现象是括号内应该是你创建的环境的名称

如果未激活，且之前的anaconda环境变量设置无误，则需要继续更改设置

以管理员打开powershell 输入：

Set-ExecutionPolicy -ExecutionPolicy RemoteSigned

输入 y ,回车 再打开终端即可成功激活环境

安装anaconda并配置vscode结束

二.pytorch以及cuda的安装

至2024年8月10日pytorch最新支持到cuda的12.4版本，而cuda已经更新至12.6，版本不兼容无法调用GPU，需要我们注意

1.cuda的选择与安装

因为pytorch最新支持到cuda12.4 所以我们需要安装cuda12.4

1.打开NVIDIA控制面板>>>系统信息>>>组件

就这个：

可以看到我的是nvduda64.dll NVIDIA cuda 12.6.41 driver

2.进官网，选择相应的cuda,选择版本应该=>自己的版本NVIDIA cuda 12.6.41 driver：CUDA Toolkit Archive | NVIDIA Developer

3.选择本地exe安装

4.双击安装包，自定义设置，勾选组件：

继续点下一步

点击关闭，安装结束

验证：cmd输入

最高版本：nvidia-smi
当前版本：nvcc --version

结果：

安装完毕

2.pytorch的选择与安装

官网：PyTorch

下载包：Previous PyTorch Versions | PyTorch

1.选择适合自己的框架安装包

2.接下里我们安装pytorch，打开vscode

终端中输入：

conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia

等安装

3.安装cudnn（非必须）

网址：https://developer.nvidia.com/cudnn-downloads?target_os=Windows

多版本：cuDNN Archive | NVIDIA Developer

 

下载的是一个压缩包，解压至你想保存的位置，并将解压的目录中的bin目录添加到环境变量里的系统变量path里面

这是我解压的bin文件夹位置：D:\app\cudnn\bin

验证是否成功：

找到你的这个目录，并将下面的变量添加到环境变量里的系统变量path里面

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\extras\demo_suite

打开cmd，分别输入

bandwidthTest.exe 
和
deviceQuery.exe

结果：

至此，我们整个环境的搭建完成了！

我们整个来测试一下是否能使用，打开VScode，激活我们之前在conda里创建的名为yolov10的虚拟环境，并尝试调用我们GPU

激活环境：
(base) PS C:\Users\77002> conda activate yolov10

激活Python环境：
(yolov10) PS C:\Users\77002> python      
Python 3.9.19 (main, May  6 2024, 20:12:36) [MSC v.1916 64 bit (AMD64)] on win32  
Type "help", "copyright", "credits" or "license" for more information.

查看pytorch版本
>>> import torch 
>>> print(torch.__version__)
2.4.0

查看pytorch是否能调用gpu
>>> import torch
>>> torch.cuda.is_available()
True
>>> 

返回值为true则配置成功，反之，则可能下载成了CPU版的pytorch

好了，整个YOLO10算法环境搭建与配置指南篇完结，后续的训练模型、调试代码及设计UI界面篇会逐步更新，如果有问题，欢迎朋友们指正留言，谢谢