环境配置！

一 安装CUDA

在安装CUDA之前，建议先看下pytorch的更新版本，应为pytorch更新较慢，请保证CUDA的版本，对应的pytorch版本存在。

去pytorch官网查看电脑支持的cuda版本最高是多少。PyTorch

我这边在网站上看最高支持的CUDA版本为12.4。

我们也可以在终端上看（win+cmd）输入nvidia-smi 。

这边也是最高支持12.4.没问题！但是肯定不建议安装支持的高版本。

那在安装CUDA之前，还需要了解一件事情。就是你的电脑算力是多少，根据算力选择合适的CUDA版本（这一点非常非常重要）。相关内容可以看：GPU版PyTorch对应安装教程_pytorch gpu安装-CSDN博客

ok，我的显卡是1650，算力7.5，根据CUDA给出的算力对应，我最终准备安装CUDA10.1的版本。

现在开始正式安装！！！

首先来到英伟达网站下载：https://developer.nvidia.com/cuda-10.1-download-archive-update2?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

 我这里直接就是10.1的版本，如果你想下载其他版本可以点击右下角的Legacy Releases找到你想要下载的版本即可。

等到cuda10.1下载完毕后直接运行exe文件就可以了。安装位置就建议不要修改了，等待安装。记得把安全软件都关闭，防止安装时出错。

安装完成后，会检查系统兼容性（可能会出现正在安装老版本驱动程序）不用理会，继续即可

这里选择自定义安装。

这里全选 。

位置也建议不用修改。

不需要勾选，直接关闭。

检查是否安装完成，同样在终端中按nvcc -V

出现和你安装的版本相同说明安装成功了。、

接下来还有一些文件需要检查，直接在设置中搜索 查看高级系统设置，在高级里面的环境变量。

 看系统变量中是否存在这两个文件，如果存在说明ok了

二 CUDnn下载

下载网址：https://developer.nvidia.com/rdp/cudnn-archive 根据你的CUDA版本选择cudnn。因为我选择的是10.2，我选择这个连接，这个选择本地下载。

下载完zip文件后解压。

把这些文件放到cuda的同名文件夹下就可以了，把上面的四个文件都复制到这个文件夹下。

接下来去添加配置文件。 

就是安好CUDA文件里面的bin，iclude，lib和libnvvp。 

扎找到这个文件夹，选中文件夹目录，键入cmd后回车，可以进入终端。

随后输入 bandwidthTest.exe。

随后输入

成功！

三 安装Pytorch 

网站：Previous PyTorch Versions | PyTorch

由于我的CUDA是10.2版本，所以下载对应的Pytorch.找到10.2复制下面的安装代码去。建议使用后面是-c pytorch这种，速度不慢的，不建议使用清华源，可能会报错。

最后开始验证。 

使用anaconda，进入自己创建的环境。

先进python，依次输入import torch，torch.cuda.is_available()。最后出现TRUE说明ok了

psps：重要：如果你的CUDA版本是 10.2，并且你pip的pytorch版本也是10.2，但是最终你torch.cuda.is_available()的结果是False。

不要紧张，此时可以尝试去判断几个问题

首先看看是否你电脑上的驱动都是最新版本，如果不是就先更新驱动后再重新torch.cuda.is_available()。

如果还是不成功，也别紧张，在我了解CUDA和这几者之间的关系时，我认为CUDA版本可以高于pytorch所支持的CUDA版本，也是就说如果你的CUDA版本时10.2，那么你的pytorch支持版本可以低于10.2（我一开始就是一直不行，后将支持版本改为10.1后成功的）

在安装新版本之前  pip uninstall torch。

 四 安装ultralytics

 直接在conda的环境里  pip install ultralytics。

但是如果你需要加一个CBAM注意力机制，或者是改一下conv就不能这样，这样会报错。

具体的操作方法见：【深度学习】YOLOv8：别再pip install ultralytics了_yolov8 没有requirements.txt文件-CSDN博客

但是建议可以先不使用上述方法，因为其中会涉及到安装一些其他的torch版本，会导致pytorch的验证失败。大家可以先熟悉yolov8的玩法，之后需要修改的时候再另作修改。