window系统GPU版本安装yolov8环境配置

一、python安装

1.打开Welcome to Python.org

 2.下载Python

3.安装python

二、PyCharm Professional安装

1.打开Download PyCharm: Python IDE for Professional Developers by JetBrains

2.下载pycharm-community-2023.3.3.exe;

3.安装PyCharm:

三、ANACONDA安装

1.打开Anaconda | Unleash AI innovation and value

2.下载ANACONDA

3.安装ANACONDA

能打开软件之后,点击Environments->包含base (root);

且能打开Anaconda Prompt命令窗口,安装成功。

3.创建yolov8环境:输入conda create -n yolov8 python==3.8

释:

创建一个虚拟环境:利用conda create指令创建新的虚拟环境(conda create-n虚拟环境名字python=版本);添加镜像加速(conda create-n虚拟环境名字python=版本 -c镜像地址)

显示如下,配置成功。

四、CUDA安装

1.打开CUDA Toolkit Archive | NVIDIA Developer

了解:

1)确定显卡型号(NVIDIA GeForce RTX 3050 Laptop GPU)

2)查询资料,确定所使用的电脑显卡算力(8.6)

3)确定CUDA Runtime版本

4)查询本电脑驱动(nvidia-smi)CUDA Driver Version

5)最终确定CUDA 11.1-11.7

2.下载

3.安装CUDA

五、Pytorch安装

1.打开Start Locally | PyTorch

其他版本Previous PyTorch Versions | PyTorch

2.先进入安装的虚拟环境中(conda activate yolov8),在yolov8里安装(conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch)

3.验证pytorch是否安装成功

1)输入conda list,检查是否有pytorch

2)输入python

3)输入import torch

4)输入torch.cuda.is_available(),出现True则安装成功

六、yolov8配置

1.输入pip install ultralytics

2.在GitHub(GitHub: Let’s build from here · GitHub)下载yolov8源码

3.打开下载好的文件路径,用pycharm打开predict

(...\...\ultralytics-main\ultralytics-main\ultralytics\models\yolo\segment)

4.修改使用的路径

5.跑程序,无错误之后,安装成功

  • 20
    点赞
  • 31
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
以下是在Windows系统安装Yolov1所需的Python环境: 1. 安装Python3: 从官方网站(https://www.python.org/downloads/windows/)下载Python3的Windows安装程序,运行安装程序并按照提示进行安装。 2. 安装OpenCV库: 从OpenCV官方网站(https://opencv.org/releases/)下载适合您系统的OpenCV库,并按照提示进行安装。 3. 下载并安装cuDNN库: 下载地址:https://developer.nvidia.com/rdp/cudnn-download 选择适合您系统版本并下载,然后解压文件并将文件复制到CUDA Toolkit的相应目录下(默认为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0)。 4. 安装numpy和cython: 打开命令行窗口并运行以下命令: ``` pip install numpy cython ``` 5. 下载Yolov1源代码: 从Yolov1的GitHub仓库(https://github.com/pjreddie/darknet)下载源代码并解压缩。 6. 修改Makefile文件: 打开darknet目录下的Makefile文件,并将以下行的注释去掉: ``` GPU=1 CUDNN=1 OPENCV=1 ``` 7. 编译Python绑定: 打开命令行窗口并进入darknet目录,运行以下命令: ``` mingw32-make.exe ``` 8. 安装Python绑定: 运行以下命令: ``` python setup.py build_ext --inplace ``` 安装完成后,您可以使用以下Python代码运行Yolov1: ```python import darknet # 初始化Yolov1 net = darknet.load_net(b"cfg/yolov1.cfg", b"yolov1.weights", 0) meta = darknet.load_meta(b"cfg/coco.data") # 加载图像 im = darknet.load_image(b"data/dog.jpg", 0, 0) # 进行检测 detections = darknet.detect_image(net, meta, im) # 打印结果 print(detections) ``` 这将使用训练好的模型在dog.jpg图像上运行检测算法,并打印出结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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