羊村懒王

这个屌丝很懒，什么也没留下！

热门标签

YOLOV8 环境部署（WIN+CUDA）_yolo v8 cuda安装

作者：羊村懒王 | 2024-03-25 23:17:58

踩

yolo v8 cuda安装

1、Anaconda

1.1 简要介绍

1.2 Anaconda 23.3.1下载

2.3 CUDA Toolkit 10.1 下载

1、Anaconda

1.1 简要介绍

Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等

安装Anaconda的好处主要为以下几点：

1）包含conda：conda是一个环境管理器，其功能依靠conda包来实现，该环境管理器与pip类似，那有童鞋会问了：我能通过pip装conda包达到conda环境管理器一样的功能吗？答案是不能，conda包的实现离不开conda环境管理器。

2）安装大量工具包：Anaconda会自动安装一个基本的python，该python的版本Anaconda的版本有关。该python下已经装好了一大堆工具包，这对于科学分析计算是一大便利，你愿意费时耗力使用pip一个个包去装吗？

3）可以创建使用和管理多个不同的Python版本：比如想要新建一个新框架或者使用不同于Anoconda装的基本Python版本，Anoconda就可以实现同时多个python版本的管理

1.2 Anaconda 23.3.1下载

       conda version : 23.3.1
 conda-build version : 3.24.0
      python version : 3.10.9.final.0

1）官网下载

直接点击"Download"即可。（Windows环境且是64位）

2）清华镜像站下载

找了一个23年早期版本下载。

1.3 Anaconda安装

安装详细步骤

1）点击 Next

在这里插入图片描述

2）点击 I Agree

在这里插入图片描述

3）选择 All Users

在这里插入图片描述

4）选择安装路经，文件较大，选择其他盘！！

在这里插入图片描述

5）只选择第二项，第二项是说要默认使用python的版本，后期手动添加环境变量，

在这里插入图片描述

6）点击Install

在这里插入图片描述

7）点击Next

在这里插入图片描述

8）对于两个“learn”，都取消打勾

在这里插入图片描述

1.5 Anaconda安装验证

 conda --version
 conda --info
 python

1.6 更改镜像源+虚拟环境存储路径

打开C盘用户目录：C:\Users\User ，编辑.condarc隐藏文件

 ssl_verify: true
 channels:
   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/    #清华大学镜像源     
   - defaults
 show_channel_urls: true
 envs_dirs:
   - D:\Program Files\anaconda3\envs       #虚拟环境存储目录

1.7 虚拟环境创建及关键命令

1）查看Anaconda中当前存在的环境

 conda info -e  或者  conda info --env
 conda-env list   或 conda env list

2）创建虚拟环境指定python版本

 conda create -n yolov8cp38 python=3.8

3）激活或退出虚拟环境

 conda activate yolov8cp38      # 激活
 conda deactivate yolov8cp38    #退出

4）删除虚拟环境

 # 第一步：首先退出环境
 conda deactivate
  
 # 第二步：删除环境
 conda remove -n  需要删除的环境名 --all

2、CUDA

2.1 简要介绍

NVIDIA于2006年推出CUDA（Compute Unified Devices Architecture），可以利用其推出的GPU进行通用计算，将并行计算从大型集群扩展到了普通显卡，使得用户只需要一台带有Geforce显卡的笔记本就能跑较大规模的并行处理程序。使用显卡的好处是，和大型集群相比功耗非常低，成本也不高，但性能很突出。如果你用的不是NVIDIA的显卡，那么只能说抱歉，其他都不支持CUDA。

2.2 适配版本

打开nvidia（桌面右键）->菜单项系统信息->组件

查看到自己电脑支持的cuda版本，CUDA 10.1

或运行nvidia-smi命令

 nvidia-smi

2.3 CUDA Toolkit 10.1 下载

CUDA Toolkit Archive | NVIDIA Developer

2.4 CUDA Toolkit 安装

第一次会让设置临时解压目录，第二次会让设置安装目录，安装目录，建议默认即可；注意：临时解压目录千万不要和cuda的安装路径设置成一样的，否则安装结束，会找不到安装目录的。

1）双击“exe文件”，选择下载路径（推荐默认路径）

在这里插入图片描述

2）同意并继续

在这里插入图片描述

3）自定义安装

在这里插入图片描述

取消visual studio这个复选框

在这里插入图片描述

4）安装目录选择，建议默认即可！

在这里插入图片描述

5）安装结束

在这里插入图片描述

2.5 查看环境变量

2.6 安装验证

nvcc --version   #查看版本号
set cuda         #查看 CUDA 设置的环境变量

3、cuDNN

3.1 简要介绍

cuDNN是CUDA在深度学习方面的应用，使得CUDA能够应用于加速深度神经网络。NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。CUDA可以看作是一个工作台，上面配有很多工具，如锤子、螺丝刀等。cuDNN就相当于是位于该工作台上的一把扳手。

cuDNN是CUDA的扩展计算库，是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。

3.2 cuDNN v8.0.5下载

3.3 cuDNN 适配版本

查看适配的 cuDNN

3.4 cuDNN 配置

1）文件copy配置

cuDNN 解压缩，会得到下面的文件：

在这里插入图片描述

三个文件夹拷贝到cuda的安装目录，cuda安装目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

CUDA 的安装目录中，有和 cuDNN 解压缩后的同名文件夹，直接复制、拷贝即可！

2）环境变量配置

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\include C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\lib C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\libnvvp

3.5 cuDNN 验证

使用CUDA内置的deviceQuery.exe 和 bandwidthTest.exe验证。cd到安装目录下的 …\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe。

4、PyTorch

4.1 简要介绍

PyTorch是一个深度学习框架，目的是提供一个灵活的环境，便于编写和训练自定义神经网络模型。该框架使用张量数据结构，支持动态图和静态图计算模式，并具有广泛的功能和扩展性。

PyTorch主要用于深度学习和神经网络的研究和开发。它可以应用于以下领域：

\1. 自然语言处理：PyTorch在自然语言处理（NLP）领域广泛应用，包括文本分类、语言模型、机器翻译等领域。PyTorch提供了多种预训练模型，如BERT、GPT等，并包含多种NLP技术，如词向量表示、注意力机制和神经机器翻译等。

\2. 计算机视觉：PyTorch在计算机视觉（CV）领域被广泛应用，包括物体检测、图像分类、分割等领域。使用PyTorch可以轻松构建深度神经网络模型，并使用预训练卷积神经网络（CNN）模型，如AlexNet、ResNet等。

\3. 声音处理：PyTorch可以在语音识别、语音合成、音乐生成等领域广泛应用。PyTorch提供了多种预训练语音处理模型，如Wav2Vec、Deepspeech等。

\4. 强化学习：PyTorch在强化学习领域被广泛应用，如模拟器和机器人控制。PyTorch提供了多种深度强化学习模型，如DDPG、PPO等。

\5. 智能对话：PyTorch可以帮助构建智能对话系统，如聊天机器人、客服聊天系统等。PyTorch提供了多种自然语言处理技术，如词向量表示、实体识别等，以提高对话系统的智能水平。

4.2 适配版本下载

PyTorch下载链接

或下载安装文件

4.3 PyTorch安装

conda activate yolov8cp38   # 激活虚拟环境 python 3.8
pip install "torch-1.7.1+cu101-cp38-cp38-win_amd64.whl" "torchvision-0.8.2+cu101-cp38-cp38-wi
n_amd64.whl"  "torchaudio-0.7.2-cp38-none-win_amd64.whl"

pip list                    # 查看Pytorch-gpu版本

4.4 PyTorch验证

命令行输入
python
import torch #pytorch第三方库
print(torch.cuda.is_available()) #是否能够使用cuda
# 如果输出True则代表安装成功
print(torch.__version__) #查看pytorch版本
# 确认是自己想要的版本，别出现误打误撞cuda能用却不是自己想要的版本的情况
print(torch.cuda.device_count()) # 查看可用的CUDA数量
print(torch.version.cuda) # 查看CUDA的版本号
print(torch.backends.cudnn.version())    # 查看cuDNN

print("\ndevice_name: {}".format(torch.cuda.get_device_name(0)))

exit() #退出python环境

5、ultralytics

5.1 适配ultralytics版本

Pip install the ultralytics package including all requirements in a Python>=3.8 environment with PyTorch>=1.7.

 pip install ultralytics==8.0.150   再高版本需要torch>=1.8，不兼容环境

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/羊村懒王/article/detail/313036