yolo --- 环境搭建

安装 GPU 计算平台

简介

CUDA(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。

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。NVIDIA cuDNN可以集成到更高级别的机器学习框架中。

 

CUDA 是一个通用的GPU编程平台，而cuDNN则是基于CUDA之上的一个专门用于深度学习的优化库。

安装

cuDNN 下载路径：https://developer.nvidia.com/cudnn

安装虚拟环境

Anaconda： 在深度学习的时候，需要不同版本的python等工具，如果都用在一个环境会出现版本不适配、不兼容无法正常工作的情况，那么Anaconda能够在pc上创虚拟环境出来，通过切换虚拟环境来安装不同深度学习工具，例如除base环境外，可以新建虚拟环境去搭建yolo环境而不影响base中的工具的版本，不存在不适配的情况。

创建虚拟环境

 每个虚拟环境都是相互独立的，可以安装指定的软件版本，各虚拟环境互不影响

创建虚拟环境

conda create -n myenv python=3.10

进入指定虚拟环境

conda activate yolov11

查看所有的存在的虚拟环境

conda env list

删除指定的虚拟环境

conda remove -n yolov11 --all

查看 conda 的软件源地址

conda config --show channels

查看 pip 的软件源地址

pip config list

安装 pytorch

PyTorch是一个深度学习框架，提供了很多用于构建神经网络的工具和函数。而YOLO（You Only Look Once）是一种目标检测算法，可以实现实时高效的目标检测。在这里，我们将使用PyTorch来实现YOLO算法。

使用 pytorch 官方的源下载安装 pytorch 非常慢

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

使用国内源下载 pytorch（指定版本号是因为指定的源没有不带版本号的文件）

pip3 install torch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 -f https://mirrors.aliyun.com/pytorch-wheels/cu121

判断 pytorch-GPU 是否安装成功

import torch

print(torch.__version__)
print(torch.version.cuda)
print(torch.cuda.is_available())  # 输出为True，则安装成功

安装 yolo 项目

先下载 ultralytics 工程：https://github.com/ultralytics/ultralytics

有两种方式使用 Ultralytics 这个项目

我们就是用来训练模型，不修改具体的代码

我们就使用内置的代码来训练、预测、评估模型，不会对模型进行修改，那么我们就可以直接通过安装 ultralytics 这个库，那么这样会导致项目中名为 ultralytics 的文件夹不会生效了。所以当我们修改代码后并不会生效，因为我们用的就不是项目中的 ultralytics 文件夹

pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple

 

我们会修改代码

把项目中的 ultralytics 这个文件夹当做一个包。安装命令为：

# 将本地项目安装为库，其中 -v 表示 verbose，-e 表示可编辑的
pip install -v -e .

运行完上面的命令后，我们使用 pip list 查看已安装的库，可以发现 ultralytics 这个库已经安装完毕了，并且后面有一个地址，这个地址其实就是我们的项目的本地地址。意思就是说，上面的命令将我们本地的项目封装为一个 Python 的库，所以我们修改本地的代码，也是可以生效的。