1.深度学习环境配置
1.1 anaconda安装与配置
安装地址:https://www.anaconda.com/
下载后一直按照推荐下一步,若不想添加手动添加环境变量则将
add anaconda3 to the system.......打上对勾即可
1.2 cuda+cudnn安装
1.2.1 cuda安装 :https://developer.nvidia.com/cuda-toolkit-archive .
注意查看自己的CUDA
我的是12.0,所以我安装12.0版本的CUDA Toolkit (注意记录好这个版本)
下载后我们双击安装:
这里路径要记住
win+R 输入cmd 打开终端 输入nvcc -V
在这可以看到cuda安装成功
1.2.2 cudnn安装:https://developer.nvidia.com/rdp/cudnn-archive
(注意这个要与你安装的cuda版本对应,这些版本建议记录下来,后面安装pytorch会用到)
我上边cuda安装的是12.0,所以我选择了cudnn8.8.0版本
下载好把文件解压:找到刚才下载的CUDA的路径 将cudnn中的文件内容放入的图片中CUDA中相应的文件中
打开环境变量(可以在电脑左下边搜索框中搜索到)点击path
添加上述三个环境变量,完成cudnn安装
验证是否安装完成:
找到这个路径文件
执行bandwidthTest 与deviceQuery文件出现下面情况表示安装完成
1.3 pytorch安装
创建pytorch虚拟环境(注意这里yolov8需要python3.8以上版本才可以)
conda create -n pytorch python=3.9
创建完成 再输入下面命令,进入虚拟环境
conda activate pytorch
在该环境下进行pytorch安装,步骤如下:
进入pytorch官网 https://pytorch.org/get-started/previous-versions/
找到与你CUDA相对应版本的命令,在anaconda prompt中运行
由于没有对应的cuda12.0版本的pytorch,但是pytorch是向下兼容因此我下载11.8
安装完成 接下来进行验证
输入python
进入编程环境:输入以下代码查看cuda是否可用
import torch
print(torch.__version__) #查看pytorch版本
print(torch.cuda.is_available()) #查看cuda是否可用 输出为True 或者False
显示TURE表示torch安装完成,深度学习环境配置大功告成!!!
2.yolov8环境配置
第一步下载yolov8源码
github地址:https://github.com/ultralytics/ultralytics
第二步:下载之后在pycharm中打开
找打解释器,添加刚刚创建的虚拟环境,全部显示
这样就将刚才创建的虚拟环境加载到了pycharm中
第三步:将pycharm中的终端路径改为anaconda prompte终端,这样以便于进行虚拟环境的
启动
将cmd.exe以及后面的东西复制下来复制到
终端中显示base表示设置成功,以后在启动虚拟环境可以在这里启动
第四步 启动pytorch虚拟环境 安装requirements.txt中的相关包,在终端运行即可(若是在github上下载的yolov8源码则不需要进行requirement.txt文件安装)
conda activate pytorch
pip install -r requirements.txt
安装完成
第五步:安装ultralytics和yolo包
pip install ultralytics
pip install yolo
第六步 验证环境是否配置完成
遇见这个错误则在终端运行下面命令
python setup.py install
运行命令
yolo predict model=yolov8n.pt source='ultralytics/assets/bus.jpg'
出现下面页面表示成功
检测成功后会生成run文件,里面保存检测图片