前言
博主下半年参加数学建模大赛，题目涉及到车辆检测和识别，故进行了YOLOv8的配置学习。
本篇文章将带你从0开始进行YOLOV8的环境配置，
从miniconda、cuda、cudnn、pytorch的下载和对应版本环境搭建，到pycharm中yolov8的使用，跟着教程走，除去软件下载时间，30分钟即可配置完成并使用！！！
读完觉得对自己有帮助，可以点赞和收藏本文！！这是博主继续更新的动力！！
Pytorch环境配置
YOLOv8需要pytroch环境，所以我们先要进行一个常用的pytorch环境配置
博主之前做课程作业时，进行了pytorch的环境配置和学习，看过很多博文，但没有一个完完全全从0开始进行配置，故博主写下此篇，首先帮助你进行一个常用的pytorch环境的配置。
难点
pytorch环境搭建涉及到多个软件和环境的安装，所以最重要的就是不同软件之间的版本适配并能使用，
本小节首先带大家安装一个python环境的下载和管理工具；
之后带大家下载对应版本的cuda、cudnn和pytorch，搭建一个可以使用的pytorch环境。
Miniconda
博主使用Miniconda进行python环境的管理，Miniconda相对Anaconda软件小，且功能足够使用，建议学习miniconda！
软件安装
下载链接：Miniconda — Anaconda documentation
- 点击下载链接，打开页面后，软件安装包自动开始下载
- 点击安装包，弹出此界面，即可开始下载
- 点击“Next”
- 点击“I Agree”
- 选择“Just Me”，点击“Next”
- 点击"Browse"，选择自己要安装的文件位置
- 按图中进行勾选，一定要把PATH这项勾选上，点击“Install”，开始软件安装
- 点击“Next”
- 安装完成，点击“Finish”
环境验证
- 在电脑设置中输入并打开环境变量（一定要在设置中打开），点击“编辑系统环境变量”
- 点击“环境变量”
- 双击系统变量中的“Path”，检查是否有图中的三个Miniconda文件路径（软件安装中第7步添加PATH勾选上，这里就会有）
- 电脑搜索栏输入“cmd”，打开命令行工具
- 命令行中输入指令“conda --version”，显示conda版本号，即为下载成功
conda --version
小结
完成了miniconda的下载，下一步我们就可以进行cuda、cudnn、pytorch的对应版本下载以及pytorch的环境搭建
Pytorch
PyTorch（Python Torch）是一个开源的机器学习库，主要用于深度学习任务。它由 Facebook 的人工智能研究小组开发，提供了灵活的张量（tensor）数据结构和强大的深度学习工具。
高校做研究一般都是用pytorch库中的环境，所以这个环境搭好，对以后的学习很有帮助！
CUDA
版本检查
- 安装前可以先进行电脑显卡驱动的升级，这里不多做介绍（可选步骤）
- 命令行中输入指令“nvidia-smi”，查看cuda版本，博主的最高支持的CUDA版本为12.6，CUDA版本向下兼容，所以12.6版本以下的CUDA，都可以选择安装
软件安装
下载链接：CUDA Toolkit Archive | NVIDIA Developer
- 打开链接，选择自己电脑对应的CUDA版本，点击Toolkit后准备安装包下载
- 根据电脑版本进行选择后，点击“Download”下载软件安装包。
注：（1）windows10系统在<Version>一栏选择10
（2）此页面打不开的话可以尝试挂梯子
（3）软件包下载时间较长，请耐心等待
- 打开安装包，点击“OK”，开始cuda下载（这里的路径按照默认来就行）
- 解压完成后，系统检查安装程序的系统兼容性，等待片刻
- 选择<精简>安装，点击“下一步”
- 同意协议，点击“Next”，开始安装
- 显示安装程序已完成，点击"关闭"
环境验证
- 设置中打开环境变量
- 检查是否有图中的两个CUDA路径
- 命令行中输入“nvcc --version”，如下图所示，即为安装成功
nvcc --version
CUDNN
cudnn的版本号下载时要注意与cuda版本号对应
注：显卡是4060的可以直接去cuDNN 9.4.0 Downloads | NVIDIA Developer下载安装包并按cuda的方法安装
软件安装
下载链接：cuDNN Archive | NVIDIA Developer
注：（1）cudnn网址需要注册账号并登录，这个自行注册就行
（2）此网址也可能需要挂梯子，这个不能发教程，可以私我，我远程帮你弄一下
- 进入网址，找到对应版本的cudnn（比如博主下载的CUDA版本12.1，这里选个for CUDA 12.x的进行下载）
- 选择第一个，点击进行下载（cudnn就是一个压缩包）
- 解压之后打开文件夹如下
- 将这三个文件复制粘贴到CUDA的文件夹地址下（环境变量中的路径可查看）即可
- 环境变量中的CUDA文件夹路径
- 完成安装
使用conda进行pytorch环境搭建
环境搭建
- 打开命令行工具
- 输入“conda create -n pytorch python=3.8”创建新python环境并命名为pytorch
- proceed这里输入“y”，同意下载。显示“done”，即为下载完成
- 输入“conda activate pytorch”，如下，左边会变为pytorch
- conda和pip设置国内镜像
pip config set install.trusted-host mirrors.aliyun.com
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/- 前往pytorch官网PyTorch，首页下滑，选择对应版本pytorch，复制指令到命令行中
- 输入上一步中复制的指令，进行pytorch库的安装
环境验证
- 输入pip list，检查pytorch版本号，确认pytorch环境已成功配置
小结
到这里，一个常用的pytorch环境就配置好了。环境配置好后，下一节我们就要学习如何把pytorch环境应用在我们的项目中。
YOLOv8
Yolov8是Ultralytics公司最新推出的Yolo系列目标检测算法，可以用于图像分类、物体检测和实例分割等任务。YOLOv8有很多种下载和配置方法，文本建议直接从github/gitee上下载源码后打开。
YOLOv8网络结构如下图（来源于 GitHub 用户 RangeKing）
Pycharm
软件安装
Pycharm是python代码的一个编译器，我们可以在这个软件中打开和修改python代码
下载链接：Download PyCharm: The Python IDE for data science and web development by JetBrains
- 点击上述链接，进入pycharm官网，下滑，找到community版本进行下载（不要下载professional，要收费）
- 下载后打开安装包，点击“下一步”
- 选择自己要安装的文件位置，点击“下一步”
- 四个全部勾选，点击“下一步”
- 默认“JetBrains”，点击“安装”
- 安装完成，重启电脑
-
环境验证
- 打开环境变量，检查用户变量中是否有Pycharm
YOLOv8下载、验证和使用
环境搭建
下载链接：
Github：haermosi/yolov8: YOLOv8
Gitee：YOLOv8-gitee
- 打开上述下载链接
- 点击Code，点击Download，下载压缩包
- 解压后，在此文件夹路径下输入cmd，打开命令行
- 输入“conda activate pytorch“，激活前面配置好的环境
conda activate pytorch- 输入“pip install -e .”，下载相关库
-
环境验证及使用
- 输入“pip list”，检查是否安装成功，下图所示，即为安装完成
conda activate pytorch
- 打开pycharm，点击“open”，打开yolov8文件夹
- 右下角添加新环境
- 选择之前搭建好的的pytorch环境路径
- 新建一个python文件，自己起个名字，比如“test.py”
- 输入下列代码，并点击运行
from ultralytics import YOLO
yolo = YOLO("./yolov8n.pt", task="detect")
result = yolo(source="./ultralytics/assets/bus.jpg", save=True)
- 生成一个yolov8n.pt以及bus.jpg如右图，即说明环境配置成功
总结
写到这里，YOLOv8的环境搭建就全部完成了。
读完整篇文章，觉得对自己有帮助的朋友可以点赞、收藏！！这里作者更新的动力！！
安装过程中遇到任何问题，大家都可以在评论区中提出，我看到会及时解答！！
附件
命令行打开
电脑搜索栏输入“cmd”，打开命令行工具
环境变量打开
- 在电脑设置中输入并打开环境变量（一定要在设置中打开），点击“编辑系统环境变量”
- 点击“环境变量”
Conda常用指令
anaconda指令链接：Anaconda/Miniconda常用指令总结-CSDN博客
https://github.com/haermosi/yolov8
扫一扫
3756
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
