yolov12的cuda/cudnn/torch（torch-2.2.2+cu121-cp38-cp38-win_amd64.whl）/torchvision环境全安装包

已于 2025-03-20 09:02:30 修改
阅读量530 收藏 1
点赞数 16
分类专栏： 遇到过的问题 文章标签： YOLOV12 cuda安装 深度学习环境配置 torch2.2.2安装包 cudnn8.9.7安装包 cuda12.1安装包 yolov12环境配置
于 2025-03-05 09:52:53 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_36112576/article/details/146034165
版权

最近yolov12已出，需要根据requirements.txt更新环境，此处通过百度云盘将对应文件存档。文件包括cuda_12.1.0_531.14_windows.exe、cudnn-windows-x86_64-8.9.7.29_cuda12-archive.zip、torch-2.2.2+cu121-cp38-cp38-win_amd64.whl、torchvision-0.17.2+cu121-cp38-cp38-win_amd64和一个用于测试是否安装成功的py文件。

通过网盘分享的文件：cuda12.1+cudnn8+torch2.2.2等5个文件
链接: https://pan.baidu.com/s/1Fkwa96DOC5t2q5vrq_nkyA?pwd=gqt7 提取码: gqt7
yolov12官方地址：https://github.com/sunsmarterjie/yolov12

requirements.txt

torch==2.2.2 
torchvision==0.17.2
flash_attn-2.7.3+cu11torch2.2cxx11abiFALSE-cp311-cp311-linux_x86_64.whl
timm==1.0.14
albumentations==2.0.4
onnx==1.14.0
onnxruntime==1.15.1
pycocotools==2.0.7
PyYAML==6.0.1
scipy==1.13.0
onnxslim==0.1.31
onnxruntime-gpu==1.18.0
gradio==4.44.1
opencv-python==4.9.0.80
psutil==5.9.8
py-cpuinfo==9.0.0
huggingface-hub==0.23.2
safetensors==0.4.3
numpy==1.26.4

安装记录：
1、打开控制面板卸载现有nvidia图形驱动程序，卸载后需要重新启动电脑；
2、右键点击cuda_12.1.0_531.14_windows.exe，以管理员身份运行，安装过程中一路默认；
3、解压cudnn-windows-x86_64-8.9.7.29_cuda12-archive.zip，将三个文件夹复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1路径下；
4、命令行pip 安装 torch-2.2.2+cu121-cp38-cp38-win_amd64.whl；
5、命令行pip 安装 torchvision-0.17.2+cu121-cp38-cp38-win_amd64；
6、命令行运行 python test.py,显示如下提示，则顺利安装。
在这里插入图片描述

深度学习pytorch之22种损失函数数学公式和代码定义
深度学习pytorch之19种优化算法（optimizer）解析
深度学习pytorch之4种归一化方法（Normalization）原理公式解析和参数使用
深度学习pytorch之简单方法自定义多种卷积即插即用
用自己的数据训练yolov11目标检测
实时语义分割之BiSeNetv2（2020）结构原理解析及建筑物提取实践
实时语义分割之Deep Dual-resolution Networks(DDRNet2021)原理解析及建筑物提取实践
SegFormer 模型解析：结合 Transformer 的高效分割框架原理及滑坡语义分割实战

YOLOv11训练自己的数据集，从代码下载到实例测试 （含YOLOv11网络结构图）
Limiiiing的博客
09-30 2万+
在Windows10上配置CUDA环境教程2024年9月30日，YOLOv11是最新发布的计算机视觉模型。支持多种任务，包括目标检测、实例分割、图像分类、姿态估计、有向目标检测以及物体跟踪等，本文主要讲述其检测任务的模型搭建训练流程。以上就是YOLOv11训练自己数据集的全部过程啦，欢迎大家在评论区交流~
YOLOv12 训练自己的数据集，从代码下载到实例测试 —— 附 整体模型结构图 及 代码解析
Limiiiing的博客
03-03 3175
在Windows10上配置CUDA环境教程YOLOv12是YOLO系列最新发布的计算机视觉模型。以上就是YOLOv12训练自己数据集的全部过程啦，欢迎大家在评论区交流~
YOLOv12源码及模型权重——免费下载
qq_60865111的博客
02-20 824
YOLOv12源码及模型权重——免费下载
Windows搭建并成功运行yolov12（保姆级教程，新手入门）
weixin_44649668的博客
02-25 1587
在pycharm打开项目yolov12，将requirements.txt文件中前三行注释掉（因为flash_attn和torch,torchvision，python版本需对应，所以我将其都与与编译好的windows版flash_attn对应）在pycharm打开项目yolov12，点击 文件--设置--项目yolov12-main--python解释器--添加解释器--添加本地解释器--conda环境--使用现有环境--yolov12--确定。分别点击进去，找到对应的版本，我下载的分别是。
yolov12 windows环境搭建及训练
weixin_43269340的博客
02-25 946
yolo12最新发布出来，Windows搭建环境遇到一点问题，因为官方发布的是linux版本，导致Windows按照步骤的包不一样，特此记录一下。
YOLOv12GPU训练自己的数据（windows适用） (草履虫都能看懂系列)
flpmmpfl的博客
02-24 2037
查看cuda最高支持版本，win+R，输入cmd，打开命令窗口，输入nvidia-smi.exe，红框位置为最大可支持安装版本​​。
适合小白的超详细yolov12环境配置+实例运行教程，从零开始教你如何使用yolov12训练自己的数据集（Windows+conda+pycharm）
2301_79954314的博客
02-21 5991
相信关注计算机视觉和深度学习的小伙伴们都已经听说过YOLO系列，作为目标检测领域的“老牌明星”，YOLO每次更新都会带来不少惊喜。那么，新鲜出炉的YOLOv12，它到底有哪些亮点呢？安装教程网上都有，不要听网上的人使用清华源，什么源的全是有问题的，最好是慢慢下载，用源下载的后续出问题自己负责。代码链接：https://github.com/sunsmarterjie/yolov12。大家好，今天要给大家介绍的是2025年2月19日最新发布的目标检测模型——网上都有，推荐新手下载。1、点击右下角的解释器。
torch_scatter-2.1.2+pt21cu121-cp39-cp39-win_amd64.whl.zip
02-19
需要配和指定版本torch-2.1.0+cu121使用，请在安装该模块前提前安装官方命令安装torch-2.1.0+cu121对应cuda12.1和cudnn，注意电脑需要有nvidia显卡才行，支持GTX920以后显卡，比如RTX20 RTX30 RTX40系列显卡
torch-2.2.1+cu118-cp38-cp38-linux-x86-64.whl
10-25
更多：https://download.pytorch.org/whl/torch/
torch-2.4.1+cu118-cp38-cp38-linux-x86-64.whl
10-28
更多：https://download.pytorch.org/whl/torch/
torch_scatter-2.1.2+pt21cu118-cp310-cp310-win_amd64.whl.zip
02-19
需要配和指定版本torch-2.1.0+cu118使用，请在安装该模块前提前安装官方命令安装torch-2.1.0+cu118对应cuda11.8和cudnn，注意电脑需要有nvidia显卡才行，支持GTX920以后显卡，比如RTX20 RTX30 RTX40系列显卡
yolov12s.pt
02-22
yolo12权重文件
cudnn-windows-x86-64-9.1.0.70-cuda12-archive.zip
02-17
cudnn-windows-x86-64-9.1.0.70-cuda12-archive.zip
cudnn-windows-x86-64-8.9.3.28-cuda12-archive
10-20
cudnn-windows-x86_64-8.9.3.28_cuda12-archive cudnn-windows-x86_64-8.9.3.28_cuda12-archive 看清楚 cuda12
torch-2.3.1+cu118-cp38-cp38-linux-x86-64.whl
10-28
更多：https://download.pytorch.org/whl/torch/
目标检测：YOLOv12环境配置，超详细，适合0基础纯小白
最新发布
笑脸惹桃花的博客
03-17 3805
小白也可以看懂的YOLOv12教程！ YOLOv12 是 YOLO 系列中首个打破传统基于卷积神经网络（CNN）方法的模型，它通过将注意力机制直接集成到目标检测过程中实现了这一突破。因此YOLOv12需要额外配置FlashAttention，此前的YOLO环境均不可用，需要按照最新的教程配置。此外，30系显卡以前的架构不支持较新的FlashAttention2.x，只能通过更换显卡解决。
YOLOv12保姆级教程（win系统和ubuntu系统均可使用）
许济江
02-20 1万+
YOLOv12 是由纽约大学、中国科学院大学和布法罗大学联合研发的实时物体检测模型。相比传统的 CNN 架构，YOLOv12 引入了 注意力机制，突破了在捕捉全局依赖和提升精度方面的局限。其创新包括： 区域注意力模块（A2）：提高推理速度，减少计算复杂度。 残差高效层聚合网络（R-ELAN）：增强特征聚合，优化训练效率。 架构优化：采用 FlashAttention 解决内存访问问题，调整 MLP 比率，进一步提升性能。
YOLOv12环境配置，手把手教你使用YOLOv12训练自己的数据集和推理(附YOLOv12网络结构图)，全文最详细教程
热门推荐
在职AI算法工程师，擅长计算机视觉，YOLO目标检测、分割等，擅长web、pyqt界面可视化，好内容持续更新中，来这里跟大家一起学习，共同进步
02-24 1万+
YOLO 系统尊嘟太卷了吧，YOLOv11 还没完明白，YOLOv12 就重磅来袭，YOLOv12 是由纽约州立大学联合中科院在 2025年2月19 日发布，从 YOLOv12 论文题目我们大概就知道做了那些更新 ，下图是YOLOv12 在 COCO 数据集上的性能表现引入区域注意力机制（area-attention）：通过引入十字形窗口自我注意机制，沿水平和垂直条纹计算注意力机制，纵横交错的注意机制。如下图所示，区域注意力采用最多简单的等分方法，将特征地图垂直或水平划分为 L 个区域。
YOLOv12来了！最快的速度学习她，改进它并发表成果！赋能AI，改变世界！ [特殊字符] YOLOv12 不仅是技术的飞跃，更是推动人工智能应用的强大引擎！选择 YOLOv12，开启智能未来！
B站 Ai学术叫叫兽的文案地
02-19 2561
YOLOv12来了！最快的速度学习她，改进它并发表成果！赋能AI，改变世界！ 🌍 YOLOv12 不仅是技术的飞跃，更是推动人工智能应用的强大引擎！选择 YOLOv12，开启智能未来 立即体验 YOLOv12，感受极速检测的魅力！
Please update your GPU driver by downloading and installing a new version from the URL: http://www.nvidia.com/Download/index.aspx Alternatively, go to: https://pytorch.org to install a PyTorch version that has been compiled with your version of the CUDA driver. (Triggered internally at ../c10/cuda/CUDAFunctions.cpp:108.) return torch._C._cuda_getDeviceCount() > 0 FlashAttention is not available on this device. Using scaled_dot_product_attention instead. Ultralytics 8.3.63 🚀 Python-3.11.11 torch-2.2.2+cu121 CPU (Intel Core(TM) i7-9750H 2.60GHz) YOLOv12n summary (fused): 352 layers, 2,590,824 parameters, 0 gradients Found https://ultralytics.com/images/bus.jpg locally at bus.jpg Traceback (most recent call last): File "/home/zhangchong/anaconda3/envs/yolov12/bin/yolo", line 8, in <module> sys.exit(entrypoint()) ^^^^^^^^^^^^ File "/home/zhangchong/yolov12/ultralytics/cfg/__init__.py", line 983, in entrypoint getattr(model, mode)(**overrides) # default args from model ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "/home/zhangchong/yolov12/ultralytics/engine/model.py", line 560, in predict return self.predictor.predict_cli(source=source) if is_cli else self.predictor(source=source, stream=stream) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "/home/zhangchong/yolov12/ultralytics/engine/predictor.py", line 188, in predict_cli for _ in gen: # sourcery skip: remove-empty-nested-block, noqa File "/home/zhangchong/anaconda3/envs/yolov12/lib/python3.11/site-packages/torch/utils/_contextlib.py", line 35, in generator_context response = gen.send(None) ^^^^^^^^^^^^^^ File "/home/zhangchong/yolov12/ultralytics/engine/predictor.py", line 259, in stream_inference preds = self.inference(im, *args, **kwargs) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "/home/zhangchong/yolov12/ultralytics/engine/predictor.py", line 143, in inference return self.model(im, augment=self.args.augment, visualize=v
03-12
<think>好的，我现在需要解决用户提到的两个问题：FlashAttention不可用以及在运行YOLOv12n预测时出现的traceback错误。首先，我应该分步骤分析可能的原因，并参考提供的引用资料来寻找解决方案。 关于FlashAttention不可用的问题，可能的原因包括安装问题或版本不兼容。用户提到的YOLOv5相关引用中，有提到pillow版本过高导致错误，可能需要降级。类似地，FlashAttention可能需要特定版本的PyTorch或CUDA支持。需要检查是否正确安装了FlashAttention，包括依赖项如PyTorch版本、CUDA版本是否匹配。此外，用户可能需要从源码编译安装，或者检查是否有路径问题导致模块无法导入。 接下来处理traceback错误。根据引用[2]和[3]，常见的AttributeError或NameError可能是由于模块没有正确安装或函数名称错误。例如，如果错误提示模块没有某个属性，可能是因为安装不完整或版本不对。需要用户提供具体的错误信息，但假设错误类似于模块缺失，可能需要重新安装相关库，或者检查代码中的导入语句是否正确。另外，引用[4]提到pillow版本过高导致的问题，可能需要降级pillow，这也可能适用于其他依赖库。 综合来看，可能的解决步骤包括：1. 确认FlashAttention的安装是否正确，包括检查PyTorch和CUDA版本；2. 根据错误日志调整依赖库的版本；3. 重新安装或编译必要的组件；4. 处理YOLOv12n预测时的具体错误，可能需要检查模型文件或数据路径是否正确。需要用户提供更多错误细节，但基于现有信息，可以给出通用的排查步骤。</think>### 解决FlashAttention不可用及YOLOv12n预测的traceback错误 #### 一、FlashAttention不可用问题 1. **检查环境依赖** FlashAttention需要满足特定版本的PyTorch（≥1.12）和CUDA（≥11.3）。使用以下命令验证版本： ```bash python -c "import torch; print(torch.__version__, torch.version.cuda)" ``` 若版本不匹配，需升级或降级PyTorch： ```bash pip install torch==1.13.1+cu116 --extra-index-url https://download.pytorch.org/whl/cu116 ``` 2. **正确安装FlashAttention** - 通过源码编译安装： ```bash pip install flash-attn --no-build-isolation ``` - 若安装失败，尝试安装预编译版本（需CUDA≥11.6）： ```bash pip install flash-attn --upgrade ``` 3. **验证安装** 运行以下Python代码检查是否成功导入： ```python from flash_attn import flash_attention print("FlashAttention available!") ``` 若报错`ImportError`，需检查Python路径或重新安装[^2][^4]。 --- #### 二、YOLOv12n预测的traceback错误 1. **分析错误类型** - **Case 1: AttributeError（模块缺失函数）** 例如：`AttributeError: module &#39;torch&#39; has no attribute &#39;some_function` **原因**：PyTorch版本不兼容或函数名称变更。 **解决**：更新PyTorch或修改代码调用方式[^3]。 - **Case 2: Pillow版本冲突** 若错误涉及图像处理模块（如`PIL`），可能因pillow版本过高导致。降级到兼容版本： ```bash pip install pillow==9.5.0 # 示例版本 ``` 2. **检查模型权重和路径** - 确保`--weight`参数指向正确的模型文件（如`yolov12n.pt`），路径无空格或特殊字符。 - 使用绝对路径避免相对路径错误： ```bash python detect.py --source /absolute/path/to/images --weight /absolute/path/to/yolov12n.pt ``` 3. **依赖库版本对齐** YOLOv12n可能依赖特定版本的`ultralytics`库。更新到最新版本： ```bash pip install ultralytics --upgrade ``` --- #### 三、通用排查步骤 1. **查看完整错误日志** 根据报错的具体行号定位问题模块，例如： ``` Traceback (most recent call last): File "detect.py", line 25, in <module> from models import YOLO ImportError: cannot import name &#39;YOLO&#39; ``` 此类错误需检查`models`目录是否存在或安装`ultralytics`包[^4]。 2. **创建纯净虚拟环境** 使用conda或venv隔离环境： ```bash conda create -n yolov12n_env python=3.8 conda activate yolov12n_env pip install -r requirements.txt # 安装项目依赖 ``` ---
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