【基础篇】YOLO系列之训练环境（GPU）搭建篇

---

---

YOLOv8专栏导航：点击此处跳转

---

🚀Pytorch环境配置（Windows）

🔨 Anaconda安装

• 此处下载安装即可

  ⭐温馨提示：安装路径不能含有中文，建议不要安在c盘（很占内存）

• 环境变量配置

  1. 编辑系统环境变量 -> 环境变量 -> 系统变量
     
  2. 新建并添加以下路径
     

• 打开cmd，输入conda，查看是否安装成功

  conda -V
  

---

虚拟环境

conda create -n py38 python=3.8
# 激活虚拟环境
conda activate py38
# 删除虚拟环境
conda env remove -n py38

⭐ 修改虚拟环境默认安装位置

D:/Anaconda3/envs设置为自己Anaconda安装的路径下的envs文件夹

conda config --add envs_dirs D:/Anaconda3/envs

如果没有修改成功，需要更改D:\Anaconda3的权限：选中Anaconda3文件夹，然后右击选则属性，找到安全，Users权限全部允许。接下来确定后，时间稍微有点长，等待完成即可。

---

💥 CUDA安装

CUDA(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。

cuda与cudnn版本对应：

CUDA安装

CUDA是向下兼容的，举个例子：你安装了cuda11.8，那么你安装torch-cu11.6是可以正常使用的。

• 查看驱动信息

  nvidia-smi
  

  
  支持安装的cuda最高版本为12.0

• cuda官网下载

  官网下载

• win10选10，win11选11
  

• 管理员运行，直接点击OK（不改路径）
  

• 选择自定义安装，系统兼容性检查， 版本较低的取消勾选

• 安装位置默认即可，点击下一步，直至安装完成。

cudnn安装

• cudnn下载
  cudnn下载需要注册账号（填写信息，需要耗费一些时间，不难）
• 下载解压得到bin、include、lib文件，复制三个文件到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.x文件下即可。
  

版本查看

nvcc -V
# windows下cudnn版本信息
# C:\CUDA\v11.6\include\cudnn_version.h

⚡️ YOLOv5/v7/v8环境安装

python -m pip install --upgrade pip
# 配置百度源
pip config set global.index-url https://mirror.baidu.com/pypi/simple
# 配置清华源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

以YOLOv8举例：

git clone https://github.com/ultralytics/ultralytics.git
cd ultralytics
pip install -r requirements.txt