Windows 10 安装 PyTorch 开发环境，以及验证 YOLOv8
最近搞了一台Windows机器，准备在上面安装深度学习的开发环境，并搭建部署YOLOv8做训练和测试使用；
环境：
OS： Windows 10
显卡： RTX 3090
安装 NVIDIA 驱动
根据显卡型号找到对应的驱动进行安装
验证
在终端中输入： nvidia-smi 查看是否正确安装
PS F:\workspace\notebook> nvidia-smi
Tue Aug 15 09:23:21 2023
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 528.24 Driver Version: 528.24 CUDA Version: 12.0 |
|-------------------------------+----------------------+----------------------+
| GPU Name TCC/WDDM | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 NVIDIA GeForce ... WDDM | 00000000:01:00.0 On | N/A |
| 30% 38C P8 19W / 350W | 782MiB / 24576MiB | 4% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
| 0 N/A N/A 1620 C+G C:\Windows\System32\dwm.exe N/A |
| 0 N/A N/A 1908 C+G ...ge\Application\msedge.exe N/A |
安装 Visual Studio 2019 Community
安装 VS2019 Visual Studio Community 2019
验证
安装 Git, CMake, Anaconda
安装 git,
安装 cmake， 跨平台编译时使用;
安装 Anaconda，集成了很多 python 开发环境
验证
下载并安装 OpenCV
| VC版本号 | VS对应版本 |
|---|---|
| vc6 | VC6.0 |
| vc7 | VS2002 |
| vc7.1 | VS2003 |
| vc8 | VS2005 |
| vc9 | VS2008 |
| vc10 | VS2010 |
| vc11 | VS2012 |
| vc12 | VS2013 |
| vc13 | VS2014 |
| vc14 | VS2015 |
| vc15 | VS2017 |
| vc16 | VS2019 |
既然上面安装的是 VS 2019, 那么我们就安装 VC16 版本的 OpenCV， 省得自己编译了；
解压安装后，将 build 目录下的 x64\vc16\bin 添加到环境变量中。
安装 CUDA 和 CUDNN
这里有些人可能不知道需要安装什么版本的 cuda。因为我这里的 GPU 是 N卡 3090 还是比较好的，所以可以安装比较高阶版本的软件，但是也不能太新，我这里直接参考 PyTorch 里最新版本的框架依赖哪个？
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MNJC1PNc-1692070277630)(image.png)]
好了，那就安装 CUDA 11.8 和对应的 CUDNN 8 ；
注意： cudnn 要注册账号
解压后，将 cudnn 文件夹下的所有文件夹复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\ 目录下。
验证
(base) D:\>nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Wed_Sep_21_10:41:10_Pacific_Daylight_Time_2022
Cuda compilation tools, release 11.8, V11.8.89
Build cuda_11.8.r11.8/compiler.31833905_0
进入到安装目录 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite, 运行 .\deviceQuery.exe
安装 PyTorch
conda 安装
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
pip 安装
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
验证
(base) D:\>python
Python 3.11.4 | packaged by Anaconda, Inc. | (main, Jul 5 2023, 13:38:37) [MSC v.1916 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> print(torch.__version__)
2.0.1
>>> torch.cuda.is_available()
True
>>>
ultralytics/YOLOv8
创建虚拟环境
conda create --name yolov8 --clone base
激活虚拟环境
conda activate yolov8
安装
pip install ultralytics
代码 https://github.com/ultralytics/ultralytics
权重 https://github.com/ultralytics/assets/releases
验证
yolo predict model=yolov8n.pt imgsz=640 conf=0.25
(yolov8) F:\workspace\yolov8>yolo predict model=yolov8n.pt imgsz=640 conf=0.25
WARNING 'source' is missing. Using default 'source=D:\anaconda3\envs\yolov8\Lib\site-packages\ultralytics\assets'.
Ultralytics YOLOv8.0.154 Python-3.11.4 torch-2.0.1 CUDA:0 (NVIDIA GeForce RTX 3090, 24576MiB)
YOLOv8n summary (fused): 168 layers, 3151904 parameters, 0 gradients
image 1/2 D:\anaconda3\envs\yolov8\Lib\site-packages\ultralytics\assets\bus.jpg: 640x480 4 persons, 1 bus, 1 stop sign, 160.2ms
image 2/2 D:\anaconda3\envs\yolov8\Lib\site-packages\ultralytics\assets\zidane.jpg: 384x640 2 persons, 1 tie, 154.0ms
Speed: 41.6ms preprocess, 157.1ms inference, 72.6ms postprocess per image at shape (1, 3, 384, 640)
Results saved to runs\detect\predict