本文详细介绍了在RTX4090(24GB)GPU上搭建SAM3图像分割模型环境的过程。主要内容包括：1)创建Python3.12的Conda环境；2)安装PyTorch2.8.0(CUDA12.6)及相关依赖；3)处理版本冲突问题(如numpy与opencv的兼容性)；4)修改源码实现本地权重加载；5)提供测试代码及可视化方案。最终在4090上成功运行SAM3模型，展现了强大的实例分割能力和高效运