Pytorch框架下yolo环境搭建过程

1.Cuda和Cudnn安装（cuda11.8 cudnn 8.9.7）

1.1 Cuda

CUDA (Compute Unified Device Architecture) 是 NVIDIA 推出的并行计算平台和编程模型，允许开发者直接利用 GPU 的并行计算能力，加速通用计算任务（如科学计算、图形处理、深度学习等。以下是安装教程：

1. 在cmd命令行中输入nvidia-smi查看cuda版本，要下载的cuda不能高于这个版本

nvidia-smi

2. 进入nvidia cuda下载页面CUDA Toolkit Archive | NVIDIA Developer, 这里选择cuda 11.8版本

 3. 在这里选择windows, x86, version 11, exe(local)，最后点download则开始下载

4.完成之后打开文件，点OK即可

5.继续点击同意并继续

6.选择精简并下一步

7.勾选I understand之后点击next

8.点击下一步，完成安装

9.验证安装：打开cmd并输入nvcc --version或者nvcc -V，如果显示一下信息则说明安装成功

nvcc --version

1.2 cudnn

cuDNN (Cuda Deep Neural Network Library) 是 NVIDIA 针对深度学习优化的高性能 GPU 加速库，专注于神经网络原语的实现（如卷积、池化、激活函数等）。它是 CUDA 的上层补充，专为深度学习框架（如 TensorFlow、PyTorch）提供底层加速支持。

1.找到nvida cudnn下载官网，并点击archive of previous release

2.这里选择cudnn v8.9.7，选择的版本要与cuda匹配，点击local installer for windows即可下载

3. 在下载文件之前需要注册或者登陆，登陆之后就会开始下载

4.把下载好的文件解压之后会有三个文件夹，把这三个文件夹里的文件复制到对应的cuda文件夹内。也就是bin文件复制到cuda bin文件夹，include文件复制到cuda include文件夹，lib文件复制到cuda lib文件夹内。

cuda的文件路径是在C盘Program Files，Nvidia GPU Computing Toolkit文件夹内

2.pytorch下载

2.1 anaconda环境创建

1.在Anaconda中为PaddleOCR创建一个新的环境，如果没有安装Conda，可以去看windows系统下anaconda的安装和使用

打开Anaconda Prompt之后输入Conda Create -n Pytorch python=3.9

conda create -n Pytorch python=3.9

出现以下信息则说明创建成功

2.在环境创建完成之后输入Conda activate Pytorch激活环境

conda activate Pytorch

3.如果看到最左边从（base）变成（Pytorch）则说明环境激活成功。

2.2 pytorch下载

1.进入pytorch官网：PyTorch，下滑找到Install Pytorch。这里选择Stable版本，Windows，Pip，Python，CUDA11.8（与上面cuda版本对应即可）

2.复制下载链接到anaconda Pytorch环境中

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

出现以下信息则说明安装成功

3.yolo下载

1.下载完pytorch之后，直接继续输入pip install ultralytics

pip install ultralytics

出现一下信息则说明下载成功

4.pycharm环境配置和验证

1.新建一个项目，解释器类型选择自定义环境，选择现有，conda，选择刚刚创建的Pytorch环境，最后创建即可。

2.新建一个py文件，输入以下代码

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom model

# Predict with the model
results = model("https://ultralytics.com/images/bus.jpg")  # predict on an image

# Access the results
for result in results:
    xywh = result.boxes.xywh  # center-x, center-y, width, height
    xywhn = result.boxes.xywhn  # normalized
    xyxy = result.boxes.xyxy  # top-left-x, top-left-y, bottom-right-x, bottom-right-y
    xyxyn = result.boxes.xyxyn  # normalized
    names = [result.names[cls.item()] for cls in result.boxes.cls.int()]  # class name of each box
    confs = result.boxes.conf  # confidence score of each box

3.点击运行之后可能需要点击链接下载图片，如果下载不了，就用链接https://ultralytics.com/images/bus.jpg 下载图片并把model（）里的图片路径换成本地图片路径

4.如果出现以上信息，则说明安装成功

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。

最新评论