YOLOv8基础环境搭建cuda+anaconda+pytorch+pycharm

一、安装显卡驱动
首先安装NVIDIA gpu的电脑安装显卡驱动，如果安装过了，或者想使用cpu的，可以跳过这一步。（其实这一步可以跳过，因为显卡驱动好想和深度学习环境没什么关系，保险起见还是安装上吧）
官网下载显卡驱动，选择自定义安装选项，执行清洁安装（按情况选择）

二、cuda+cudnn安装

1. 打开cmd，输入nvidia-smi查看GPU的CUDA版本，可以看到CUDA版本12.3，意味着只能安装小于12.3的CUDA版本。

2. 然后去官网下载：cuda工具包，以12.2.1版本举例，选好系统参数，点击下载，
   2.1.cuda版本要求：
   CUDA版本要小于上面的版本12.3
   先去pytorch官网PyTorch，看一眼自己需要的pytorch版本对应的CUDA版本
   
   3.下载CUDA Toolkit Archive | NVIDIA Developer，以11.6版本举例，选好系统参数，点击下载，
   

3. 下载完成，直接默认解压位置

4. 默认勾选即可，点下一步

5. 安装cudnn
   去官网下载cuDNN，需要注册一个NVIDIA账号，然后选择CUDA对应版本的cudnn即可。

6. 下载cudnn后直接将其解开压缩包，然后需要将解压后的bin,include,lib文件夹复制粘贴到cuda安装时的默认路径文件夹下
   

7. 检查环境变量
   

8. 在cmd输入nvcc -V，显示CUDA版本即安装成功
   三、anaconda安装

9. 去官网下载安装包：Free Download | Anaconda

10. 下载完成，进行安装，建议安装在非系统盘，以后会创建比较多的环境的话，剩下的默认安装即可
    五、pycharm安装

11. 官网下载安装包：PyCharm，可申请教育账号免费下载专业版，如果没有，下载社区版即可

12. 自行安装即可
    六、pytorch安装，及在pycharm中选择conda环境
    1.首先创建一个conda环境，打开Anaconda prompt，输入：conda create --name yourname python=3.10 -y
    删除环境输入： conda remove -n env_name --all
    

13. 输入conda activate yourname 激活环境

14. 去官网找自己需要的pytorch版本：Start Locally | PyTorch 。选择电脑参数，并复制pip install命令，也可以去找之前的版本。

15. 将复制的pip install命令，粘贴在Anaconda prompt中，等待安装即可
    
    4.打开anaconda prompt命令行测试代码

python 
import torch 
print(torch.__version__)
print(torch.cuda.is_available())

5.打开pycharm，选择添加新的解释器→添加本地解释器→conda环境→/yourname/python.exe (这里不同版本的pycharm可能有点不一样，只要能识别就行)


至此，环境搭建结束。。。。