YOLOv8 CUDA12.1(2024年2月) 傻瓜式安装+环境配置教程
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。
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
-
在pytorch官网https://pytorch.org/查询pytorch支持最高CUDA版本
-
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
-
权衡后在NVIDIA官网https://developer.nvidia.com/cuda-toolkit-archive下载能够支持版本的CUDA
-
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。
-
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
- 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)
- 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
- 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
- 打开PyCharm,如图在文件->设置->项目->解释器中新建一个Anaconda环境
- 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) - 输入
pip install ultralytics
安装 - 输入
pip install yolo
安装yolo依赖 - 输入
pip uninstall torch
卸载CPU版本的torch - 打开https://pytorch.org/并选择自己的版本号,复制安装命令
- 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 - 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
- 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!
更多推荐
所有评论(0)