YOLOv8环境部署GPU配置方法（新手友好）
YOLOv8环境部署GPU配置方法（新手友好）
本文详细介绍了YOLOv8环境部署的GPU配置方法，包括下载项目、CUDA、cudnn安装、Anaconda、Pytorch下载、pycharm配置解释器、依赖配置、环境测试以及训练等步骤。内容完整且具有较高的实用价值，适合新人学习。
1. 下载yolov8项目
将其直接下载解压即可，地址：GitHub - haermosi/yolov8: YOLOv8
2. CUDA
打开NVIDIA控制面板->帮助->系统信息->组件查看显卡支持最高得到版本。下载链接：CUDA Toolkit 12.6 Update 3 Downloads | NVIDIA Developer
接着选择合适的版本，初始界面是最新版，如果不支持最高版本、点击右下角选择相应的版本进行下载。
安装则按照提示下一步直接安装即可，需要记得安装路径的位置。安装完成后使用
nvcc -V
查看出现如下界即安装成功
3. cudnn安装
下载地址(注册后才能下载)选择适合自己CUDA的版本进行下载:cuDNN Archive | NVIDIA Developer
将下载后的文件用来替换CUDA安装目录下的同名文件，之后添加环境变量
NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp
与
NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin
即可。
4. Anaconda下载
下载地址：Download Anaconda Distribution | Anaconda
下载之后选择Allusers，下一步安装即可。使用
conda --version
可查看是否安装成功
5. Pytorch下载
下载地址：PyTorch
根据安装的CUDA版本选择相应的Pytorch
下载命令：
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch
如果忘记CUDA版本可以使用命令
nvidia-smi
进行查看
使用命令
conda create -n yolov8 python=3.8
（这里为你的python版本）创建一个虚拟环境后使用
conda activate pytorch
进入pytroch虚拟环境中
再使用
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch
安装即可
安装成功后使用
conda activate pytorch
进入到pytroch虚拟环境中，使用
conda list
即可查看是否安装成功
6. pycharm配置解释器（python版本保持兼容）
7. 配置依赖可在终端输入
pip install -e ultralytics
pip install ultralytics
pip install yolo
进行安装
8. 测试环境是否搭建完成
import torch
print(torch.__version__)
print(torch.cuda.is_available())
print(torch.cuda.device_count())
print(torch.backends.cudnn.version())
print(torch.version.cuda)
quit()
可以查看版本、GPU是否可用、GPU个数、CUDA版本号
9. 进行训练
输入如下命令，如果成功，会出现一个名为runs的文件夹里面会出现训练结果
yolo task=detect mode=predict model=yolov8n.pt conf=0.25 source='ultralytics/assets/zidane.jpg'
至此yolov8环境部署完毕
ps:激活pytorch与测试命令
conda activate pytorch
yolo task=detect mode=predict model=yolov8n.pt conf=0.25 source='ultralytics/assets/zidane.jpg'