深度学习环境配置+yolov8环境配置_yolov8下载yolov8n.pt指定源

1.深度学习环境配置

        1.1 anaconda安装与配置

                    安装地址：https://www.anaconda.com/

                     下载后一直按照推荐下一步，若不想添加手动添加环境变量则将

                       add anaconda3 to the system.......打上对勾即可

          1.2     cuda+cudnn安装

                    1.2.1 cuda安装   ：https://developer.nvidia.com/cuda-toolkit-archive   .

                        

                        注意查看自己的CUDA

                               

                        我的是12.0，所以我安装12.0版本的CUDA Toolkit （注意记录好这个版本）

        下载后我们双击安装：                

                       

这里路径要记住

        win+R 输入cmd 打开终端 输入nvcc -V

                

        在这可以看到cuda安装成功

                1.2.2  cudnn安装：https://developer.nvidia.com/rdp/cudnn-archive

（注意这个要与你安装的cuda版本对应，这些版本建议记录下来，后面安装pytorch会用到）

                        我上边cuda安装的是12.0，所以我选择了cudnn8.8.0版本

                        

下载好把文件解压：找到刚才下载的CUDA的路径 将cudnn中的文件内容放入的图片中CUDA中相应的文件中

打开环境变量（可以在电脑左下边搜索框中搜索到）点击path

                                添加上述三个环境变量，完成cudnn安装

验证是否安装完成：

找到这个路径文件

执行bandwidthTest  与deviceQuery文件出现下面情况表示安装完成

          1.3 pytorch安装 

                        创建pytorch虚拟环境（注意这里yolov8需要python3.8以上版本才可以）        

conda create -n pytorch python=3.9

                        

创建完成 再输入下面命令，进入虚拟环境

conda activate pytorch

在该环境下进行pytorch安装，步骤如下：

                        进入pytorch官网 https://pytorch.org/get-started/previous-versions/

                        找到与你CUDA相对应版本的命令，在anaconda prompt中运行

由于没有对应的cuda12.0版本的pytorch，但是pytorch是向下兼容因此我下载11.8

安装完成 接下来进行验证 

        输入python

        进入编程环境：输入以下代码查看cuda是否可用

import torch
print(torch.__version__) #查看pytorch版本
print(torch.cuda.is_available()) #查看cuda是否可用 输出为True 或者False

显示TURE表示torch安装完成，深度学习环境配置大功告成！！！

2.yolov8环境配置

       第一步下载yolov8源码

        github地址：https://github.com/ultralytics/ultralytics

        第二步：下载之后在pycharm中打开

找打解释器，添加刚刚创建的虚拟环境，全部显示

这样就将刚才创建的虚拟环境加载到了pycharm中

        第三步：将pycharm中的终端路径改为anaconda prompte终端，这样以便于进行虚拟环境的

启动

将cmd.exe以及后面的东西复制下来复制到

终端中显示base表示设置成功，以后在启动虚拟环境可以在这里启动

第四步 启动pytorch虚拟环境 安装requirements.txt中的相关包，在终端运行即可（若是在github上下载的yolov8源码则不需要进行requirement.txt文件安装）

conda activate pytorch

pip install -r requirements.txt

安装完成

第五步：安装ultralytics和yolo包

pip install ultralytics
pip install yolo

第六步 验证环境是否配置完成

遇见这个错误则在终端运行下面命令

python setup.py install

运行命令

yolo predict model=yolov8n.pt source='ultralytics/assets/bus.jpg'

出现下面页面表示成功

检测成功后会生成run文件，里面保存检测图片