1、要求

• GPU版的cuda需要10.2以上版本

1.1 什么是 CUDA 和 CUDNN

• CUDA 是 NVIDIA 推出的一款通用并行计算平台和编程模型，用于 GPU 加速的计算。它允许开发人员利用 GPU 的强大计算能力来加速各种应用程序，包括科学计算、机器学习、图像处理和视频处理。

• cuDNN 是 NVIDIA 开发的基于 CUDA 的深度学习加速库，为深度学习框架提供高效的 GPU 加速。它包含了常用的深度学习卷积、池化、归一化和激活等操作的 GPU 实现，可以显著提高深度学习模型的训练和推理速度。

1.2 查看cuda版本的3种方法（版本在10.2以上的可以忽略本章节）：

1. 右键电脑右下角，选择 NIVDIA控制面板
2. 右键电脑桌面空白处，选择NIVDIA显卡控制面板
3. 电脑左下角开始菜单，输入NIVDIA，选择它

• 帮助 → 系统信息 → 组件 → CUDA

1.3 没有找到NIVDIA图标，确认是否有英伟达显卡

• 在电脑的管理，查看是否有英伟达显卡

• 使用下面的网址，更新显卡驱动

• 如果没有英伟达显卡，可以安装CPU版

Cuda下载地址：https://developer.nvidia.com/cuda-toolkit-archive
Cudnn下载地址:https://developer.nvidia.com/rdp/cudnn-download

2、pycharm下载安装

进入官网

• PyCharm Professional 专业版

• PyCharm Community Edition 社区版（免费-学习 yolo 足够）

• 推荐安装在非C盘，勾选所有，一直下一步

3、yolov8 环境安装 【GPU版】

3.1 Yolov8 源码下载：

• 【推荐，做了优化】蓝奏云：https://zqj.lanzouj.com/i3wgh1jpzpta

• 官网版：https://github.com/ultralytics/ultralytics

Stage 1 ：解压后用pycharm打开

Stage 2 ：配置 python 解释器(anaconda)

• 右下角 Add New lnterpreter - > Add Local interpreter... - > 添加上一节安装的 anaconda

• 点击加载环境 Load Environments

• 右下角出现yolov8表示配置成功，等待几分钟加载依赖即可

Stage 3 ：安装Yolov8的依赖环境

Stage 3-1 ：把 requirements.txt里面的torch和torchvision前面的加上#号注释

Stage 3-2 ：【安装依赖】然后在终端运行安装代码： pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/

-i 表示引用下载源，后面跟上具体下载源的地址。除了给出的清华源还有其他的，具体看下一页（可替换）
http://pypi.douban.com/simple/ 豆瓣
https://pypi.mirrors.ustc.edu.cn/simple/ 中国科学技术大学
http://pypi.sdutlinux.org/simple/ 山东理工大学
http://pypi.hustunique.com/simple/ 华中理工大学
http://pypi.mirrors.opencas.cn/simple/ 中国科学院
https://pypi.tuna.tsinghua.edu.cn/simple/ 清华大学
http://mirrors.aliyun.com/pypi/simple/ 阿里

Stage 3-3 ：安装GPU版 pytorch

11.3（推荐）：
conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch –y

10.2：
conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=10.2 -c pytorch –y

Stage 4 ：验证GPU是否安装成功

Python
import torch
print(torch.cuda.is_available())

Stage 5 ：测试

• 打开 wzq.py，运行

• 效果如下