前言

这段时间需要用到YOLOv8，看了网上的的教程，有些版本太旧，很多文件和现在区别很大，安装过程中也遇到了一些问题，踩了一些坑。于是决定更新一期2024年12.1版本CUDA的YOLOv8安装和环境部署傻瓜式教程。如果遇到问题，可以在评论区提出，能力范围之内我会及时回复。

---

1.拉取项目

开源地址：https://github.com/ultralytics/ultralytics
使用git在目录下拉取项目（路径不包含中文）

2.安装CUDA

1. 在pytorch官网https://pytorch.org/查询pytorch支持最高CUDA版本

2. 桌面右键打开NVIDIA控制面板，在帮助->系统信息->组件里找到N卡支持最高CUDA版本

3. 权衡后在NVIDIA官网https://developer.nvidia.com/cuda-toolkit-archive下载能够支持版本的CUDA

4. 安装选项选择自定义，勾选全部内容，安装位置选择默认位置（记好安装路径，后面会用到），等待安装成功。

5. 检验是否安装成功
   安装完成后，在cmd中输入nvcc-V，弹出版本号即为安装成功确保能够在环境变量中找到以下两行

3.安装cuDNN

1. 在NVIDIA官网https://developer.nvidia.com/rdp/cudnn-archive安装对应刚才下载CUDA版本的cuDNN（若要求注册NVIDIA开发者账户，按要求注册即可）
2. 打开刚才的安装路径（默认为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\版本号），将cuDNN压缩包中的文件替换
3. 添加到环境变量Path中
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\版本号\bin
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\版本号\libnvvp

4.安装pytorch

1. 打开PyCharm，如图在文件->设置->项目->解释器中新建一个Anaconda环境
2. 打开终端，输入pip config set install.trusted-host mirrors.aliyun.com将下载源替换为国内的阿里源（如果有魔法可以省略这步）
3. 输入pip install ultralytics安装
4. 输入pip install yolo安装yolo依赖
5. 输入pip uninstall torch卸载CPU版本的torch
6. 打开https://pytorch.org/并选择自己的版本号，复制安装命令
7. 在终端中输入刚才复制的命令（12.1版本为pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121）并运行
8. 检验是否安装成功
   在项目中新建一个test.py文件，输入以下代码并运行

import torch
print(torch.__version__)  # pytorch版本
print(torch.cuda.is_available())  # GPU可用性
print(torch.cuda.device_count())  # GPU个数
print(torch.backends.cudnn.version())  # 查看对应CUDA的版本号
print(torch.version.cuda)  # 查看对应CUDA的版本号
quit()  # 退出Python

9. 输出如图所示，表示安装成功。第二行输出“True”代表GPU可用，第五行即为安装的版本号。
   

5.测试一下看看效果

用YOLOv8自带的测试图片和YOLOv8n模型测试一下，输入yolo task=detect mode=predict conf=0.25 model=yolov8n.pt source='ultralytics/assets/bus.jpg'（第一次运行的时候应该会下载v8n模型）等到运行完成后就可以在runs/detect/predict里看到效果图啦，搞定！