快捷導(dǎo)航

Pytorch框架下yolo環(huán)境搭建過(guò)程

更新時(shí)間：2025年09月04日 08:53:42 作者：D1NG-

文章詳細(xì)介紹了在Windows系統(tǒng)下安裝CUDA?11.8和CUDNN?8.9.7,配置PyTorch環(huán)境,安裝YOLO庫(kù),并通過(guò)PyCharm驗(yàn)證深度學(xué)習(xí)框架的設(shè)置流程

1.Cuda和Cudnn安裝（cuda11.8 cudnn 8.9.7）

1.1 Cuda

CUDA (Compute Unified Device Architecture) 是 NVIDIA 推出的并行計(jì)算平臺(tái)和編程模型，允許開發(fā)者直接利用 GPU 的并行計(jì)算能力，加速通用計(jì)算任務(wù)（如科學(xué)計(jì)算、圖形處理、深度學(xué)習(xí)等。以下是安裝教程：

1. 在cmd命令行中輸入nvidia-smi查看cuda版本，要下載的cuda不能高于這個(gè)版本

nvidia-smi

2. 進(jìn)入nvidia cuda下載頁(yè)面CUDA Toolkit Archive | NVIDIA Developer, 這里選擇cuda 11.8版本

3. 在這里選擇windows, x86, version 11, exe(local)，最后點(diǎn)download則開始下載

4.完成之后打開文件，點(diǎn)OK即可

5.繼續(xù)點(diǎn)擊同意并繼續(xù)

6.選擇精簡(jiǎn)并下一步

7.勾選I understand之后點(diǎn)擊next

8.點(diǎn)擊下一步，完成安裝

9.驗(yàn)證安裝：打開cmd并輸入nvcc --version或者nvcc -V，如果顯示一下信息則說(shuō)明安裝成功

nvcc --version

1.2 cudnn

cuDNN (Cuda Deep Neural Network Library) 是 NVIDIA 針對(duì)深度學(xué)習(xí)優(yōu)化的高性能 GPU 加速庫(kù)，專注于神經(jīng)網(wǎng)絡(luò)原語(yǔ)的實(shí)現(xiàn)（如卷積、池化、激活函數(shù)等）。它是 CUDA 的上層補(bǔ)充，專為深度學(xué)習(xí)框架（如 TensorFlow、PyTorch）提供底層加速支持。

1.找到nvida cudnn下載官網(wǎng)，并點(diǎn)擊archive of previous release

2.這里選擇cudnn v8.9.7，選擇的版本要與cuda匹配，點(diǎn)擊local installer for windows即可下載

3. 在下載文件之前需要注冊(cè)或者登陸，登陸之后就會(huì)開始下載

4.把下載好的文件解壓之后會(huì)有三個(gè)文件夾，把這三個(gè)文件夾里的文件復(fù)制到對(duì)應(yīng)的cuda文件夾內(nèi)。也就是bin文件復(fù)制到cuda bin文件夾，include文件復(fù)制到cuda include文件夾，lib文件復(fù)制到cuda lib文件夾內(nèi)。

cuda的文件路徑是在C盤Program Files，Nvidia GPU Computing Toolkit文件夾內(nèi)

2.pytorch下載

2.1 anaconda環(huán)境創(chuàng)建

1.在Anaconda中為PaddleOCR創(chuàng)建一個(gè)新的環(huán)境，如果沒(méi)有安裝Conda，可以去看windows系統(tǒng)下anaconda的安裝和使用

打開Anaconda Prompt之后輸入Conda Create -n Pytorch python=3.9

conda create -n Pytorch python=3.9

出現(xiàn)以下信息則說(shuō)明創(chuàng)建成功

2.在環(huán)境創(chuàng)建完成之后輸入Conda activate Pytorch激活環(huán)境

conda activate Pytorch

3.如果看到最左邊從（base）變成（Pytorch）則說(shuō)明環(huán)境激活成功。

2.2 pytorch下載

1.進(jìn)入pytorch官網(wǎng)：PyTorch，下滑找到Install Pytorch。這里選擇Stable版本，Windows，Pip，Python，CUDA11.8（與上面cuda版本對(duì)應(yīng)即可）

2.復(fù)制下載鏈接到anaconda Pytorch環(huán)境中

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

出現(xiàn)以下信息則說(shuō)明安裝成功

3.yolo下載

1.下載完pytorch之后，直接繼續(xù)輸入pip install ultralytics

pip install ultralytics

出現(xiàn)一下信息則說(shuō)明下載成功

4.pycharm環(huán)境配置和驗(yàn)證

1.新建一個(gè)項(xiàng)目，解釋器類型選擇自定義環(huán)境，選擇現(xiàn)有，conda，選擇剛剛創(chuàng)建的Pytorch環(huán)境，最后創(chuàng)建即可。

2.新建一個(gè)py文件，輸入以下代碼

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