【YOLOv8】基于Ultralytics使用GPU进行训练的虚拟环境搭建教程（pytorch版）

一、GPU环境配置

1.安装软件

安装Anaconda3+Pycharm（已经安装的跳过）

这里就不详细介绍安装过程，以下提供两个安装包的网盘链接：
链接: Anaconda3
链接: Pycharm

2.安装CUDA

首先查看显卡所支持的最高CUDA版本，按win+r键，输入cmd进入管理界面输入：nvidia-smi
如图所示：
需要更新下载的可以下方链接网站下载，推荐达到11.8以上。安装默认路径,选项全勾选。
https://developer.nvidia.com/cuda-toolkit-archive

3.安装CUDNN

以下提供链接为官方网站：
https://developer.nvidia.com/rdp/cudnn-archive
在网站内选择与所安装的CUDA版本对应的版本。
将下载的压缩文件解压，复制文件进CUDA（默认路径：“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4”）文件夹覆盖替换掉原来的文件。

4.创建虚拟环境

win键搜索栏输入anaconda prompt找到并打开应用。
输入下面代码新建一个虚拟环境：

conda create -n pytorch-gpu python=3.9

注：pytorch-gpu为自定义的环境名字，可修改。python=3.9创建的是3.9的python版本。过程中输入y确认继续创建。
创建后输入代码进入所创建的环境中：

conda activate pytorch-gpu

5.安装pytorch

首先要确保在关闭加速软件的环境安装，因下载文件比较大且为外网，故安装较慢。在虚拟环境下输入以下命令安装：

pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 --extra-index-url https://download.pytorch.org/whl/cu118

注：以上教程为我另一篇博文教程的部分内容：
https://blog.csdn.net/ycb1718603735/article/details/145808291?spm=1011.2415.3001.10575&sharefrom=mp_manage_link

二、安装第三方库（ultralytics）

继续在所创建的虚拟环境下输入下方代码即可安装：

pip install ultralytics

安装完成如图所示：

三、下载yolov8源文件

因源码地址下载可能无法进入，这里提供百度网盘链接下载：
https://pan.baidu.com/s/1cBKvoHG2BSDrLTwCoQCFdg?pwd=1234

1.下载完成后解压缩文件（ultralytics-8.2.2.zip）,点击全部解压。
2.右键文件夹ultralytics-8.2.2
3.点击显示更多选项，选择pycharm打开文件夹。

打开后界面如图所示：

注意此时右下角的解析器为系统解析器

四、添加解析器

1.点击pycharm的右下角的解析器
2.选择添加新的解析器，添加本地解析器。
3.打开文件找到你所创建的新虚拟环境的路径。
选择完成如图所示：

五、测试环境

自行选择一张图片放入项目中，运行下方代码进行测试：

from ultralytics import YOLO
model = YOLO('yolov8n.pt') # 加载预训练的 YOLOv8n 模型
source = 'hsq.jpg' #改为自己的图片路径
model.predict(source, save=True)

注：运行过程可能会出现numpy版本不兼容导致，可以继续在所创建的虚拟环境下输入下方代码：

conda install numpy==1.26.3

运行完成如图所示，可以根据保存的路径找到测试图片：

结语

教程到此结束，感谢各位的点赞收藏关注。利用GPU训练自己的数据集，进行目标检测的项目分享教程，敬请期待！