cuda conda yolov11 环境搭建

已于 2025-01-10 16:08:52 修改
阅读量784 收藏 4
点赞数 11
文章标签： conda YOLO
于 2024-11-23 16:27:12 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_32698323/article/details/143993985
版权

检查CUDA版本

nvidia-smi

在这里插入图片描述

下载nvidia cudnn对应的CUDA Verison版本

在这里插入图片描述

将cuDNN压缩包内对应的文件复制到本地bin、include、lib的文件夹中
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6

miniConda快速开始-安装

执行命令安装

# 创建环境
conda create -n yolov11 python=3.10
# 切换环境
conda activate yolov11
# 安装pytorch-官网链接可选 对应版本
conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia
# 安装yolo v11
pip install ultralytics
# end

Install PyTorch 官网链接
在这里插入图片描述

手把手教你搭建YOLOv8环境，并进行训练、测试
qq_53545309的博客
10-09 5962
手把手教你搭建YOLOv8环境，并进行训练、测试
手把手教你搭建YOLOV8+CUDA环境，训练自定义数据集，训练推理验证导出。小白也能看得懂的！
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
05-18 1万+
YOLO（You Only Look Once）系列算法因其高效、准确等特点而备受瞩目。由2023年Ultralytics公司发布了YOLO的最新版本YOLOv8是结合前几代YOLO的基础上的一个融合改进版。本文主要介绍YOLOv8环境搭建/数据集获取/训练/推理/验证/导出/部署
YOLOV11(YOLO全系列)部署教程（最简单快速）
qq_51977316的博客
11-04 8257
本教程是针对YOLO全家桶的环境配置教程，超级详细无尿点。
YOLOv11 环境配置与使用指南
最新发布
ANiy520的博客
04-06 1083
YOLOv11 环境配置与使用指南
目标检测：YOLOv11(Ultralytics)环境配置，适合0基础纯小白，超详细
热门推荐
笑脸惹桃花的博客
10-27 9万+
深度学习目标检测YOLOv11小白教程环境搭建，超级简单的教程，纯新手方便理解，一看就会。
windows下安装yolov11的GPU版本
深图智能工作室
01-13 1887
安装yolov11的环境，说难不难，说简单嘛，对于才上手的小伙伴还是有点麻烦的。别无他法，亲身去安装一次，有问题就百度。
yolov11配置环境（干货）（附带安装包）
qq_58467323的博客
10-26 2029
yolov11配置环境（附带安装包）cuda11.8+cuDNN8.9.7+Anaconda3-2022.10-Windows-x86_64 +pytorch2.5.0
YOLOv11环境搭建/训练
2301_78698967的博客
09-30 2317
最新版本的广受好评的实时目标检测和图像分割模型Ultralytics YOLO11。YOLO11是建立在深度学习和计算机视觉的前沿进展，在速度和准确性方面提供无与伦比的性能。
Yolov7 环境搭建和训练自己的数据集
m0_67559334的博客
03-26 1433
拉取github上的yolov7，下载权重文件，将requriment.txt里的torch环境都注释掉。mydata下文件夹，只需要将照片存入images文件夹，xml文件存入xml文件夹。修改train、val、test文件路径，修改nc，修改类别为你的数据集的类别。进入pytorch官网，按照自身电脑配置选择版本命令。复制coco.yaml，修改为mycoco.yaml（什么命名都行）cd进入yolov7文件夹，开启终端，进入虚拟环境。修改文件路径，linux和win格式不一样，注意/和\的区别。
YOLOv8环境搭建+训练自己的数据详细项目
m0_63172128的博客
08-01 2万+
直接按照路径会有问题，找到自己 requirements.txt 文件路径，我这里是pip install -r D:\ultralytics-main\ultralytics-main\requirements.txt。首先去自己的anaconda的安装的envs（虚拟环境），在导航栏输入cmd，进入命令窗口。到官方网站下载yolo模型 ，下载好后解压，里面有个文件requirements.txt。然后安装ultralytics ，这是必须的。
YOLOv5安装（cuda11.8）
m0_72565814的博客
07-13 417
本文档测试电脑GPU：RTX 3060、RTX 3070。
Anaconda3创建yolov11环境
xu_3333的博客
10-20 1173
conda创建yolov11环境，并正常执行
纯小白如何配置YOLO11环境（最新版）
haojiyaha的博客
10-17 1万+
纯新手小白搭建，博主小白亲测
YOLO系列入门：1、YOLO V11环境搭建
天城电子嵌入式的博客
10-18 4734
YOLO支持CLI操作，不需要写python代码，就可以直接使用命令行指挥YOLO进行识别。图片如下：810*1080。可以看到，这里使用的模型yolov8n.pt是预训练好的模型，YOLO会去github仓库上下载该模型。在实际项目中，我们不会通过CLI调用YOLO，而是会通过python脚本调用YOLO，原理相同。然后在conda中用命令行切换到该文件夹。将图片路径传给YOLO，执行命令。首先，我们新建一个空白文件夹，将我们要识别的图片放进去。最终识别结果如下，说明我们成功配置好了YOLO环境。
YOLO V11环境配置（详解）
dasatalan的博客
03-12 4607
YOLOv11是 YOLO（You Only Look Once）系列目标检测算法的最新版本，由 Ultralytics 开发。它在 YOLOv5 的基础上进行了多项改进，性能更强，灵活性更高，适用于实时目标检测任务。由于miniconda的默认下载源位于国外，所以导致国内用户下载速度慢。最好的解决办法是使用国内镜像源下载，速度很快。这里有很多下载版本，我们选择一个对应的版本下载（python版本最好对应）点击【Next】，进入下一步这里是问接不接受下载，我们直接点击【I Agree】
YOLOv8超详细环境搭建以及模型训练（GPU版本）
2401_85556416的博客
08-21 1万+
YOLOv8超详细环境搭建，以及以NEU-DET数据集为为例进行模型的训练
Yolo11环境配置win+Python+Anaconda--小白目标检测学习专用（超详细）
qq_62078354的博客
10-13 2万+
根据你的需求选择，如果有英伟达的GPU（显卡，比如RTX3060）那就选CUDA最新的版本，然后你还要把你的英伟达驱动更新到最新版本。直接点yolo旁边的【绿按钮】，再点击弹出来的【Open Terminal】就会打开环境终端了，接下来的操作都在这个黑框框里进行。如果下载失败或者非常慢，pytorch的包预计一分钟内下完，如果确定你的网络没问题的话，就看下一步配置清华大学镜像源。最后复制【Run this Command】的代码到你的环境终端（就那个黑框框）回车运行就开始下载安装了。
YOLOv11训练自己的数据集
m0_70140421的博客
11-17 2328
使用YOLOv11训练自己的数据集（航拍红外光伏板）
conda yolov8
08-26
您好！要使用Conda安装YOLOv8，您可以按照以下步骤进行操作： 1. 首先，确保您已经安装了Conda。如果您尚未安装，请从Anaconda官方网站下载并安装适合您操作系统的版本。 2. 打开终端或命令提示符，并创建一个新的Conda环境。可以使用以下命令创建一个名为"yolov8"的环境： ``` conda create -n yolov8 python=3.7 ``` 3. 激活创建的环境： ``` conda activate yolov8 ``` 4. 安装所需的依赖库。YOLOv8需要一些依赖库，您可以使用以下命令安装它们： ``` conda install numpy opencv matplotlib pillow ``` 5. 克隆YOLOv8的代码库。在您希望存储代码的目录下，使用以下命令克隆YOLOv8的代码库： ``` git clone https://github.com/ultralytics/yolov5.git ``` 6. 进入克隆的代码库目录： ``` cd yolov5 ``` 7. 下载预训练的权重文件。YOLOv8需要一个预训练的权重文件才能进行目标检测。您可以从YOLOv5的官方GitHub页面下载权重文件，并将其保存在`yolov5/weights`目录下。 8. 现在，您可以使用YOLOv8进行目标检测了。可以使用以下命令运行一个示例： ``` python detect.py --source path/to/input/image.jpg --weights weights/yolov5s.pt ``` 这将对指定的图像进行目标检测，并在终端或命令提示符中显示检测结果。 请注意，这只是YOLOv8的一个基本安装和使用示例。您还可以根据需要进行更多的配置和调整。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值