YOLOV8 环境部署(WIN+CUDA)

适合小白的超详细yolov8环境配置+实例运行教程,从零开始教你如何使用yolov8训练自己的数据集(Windows+conda+pycharm) yolov8源码下载地址:GitHub - ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > OpenVINO > CoreML > TFLiteyolov8使用文档: Home - Ultralytics YOLOv8 Docs教学视频参考: 包会!YOLOv8训练自己的数据集_哔哩哔哩_bilibili先用conda prompt创建一个虚拟环境,我的叫yolov8, python版本用3.10 源码地址:GitHub - ul 阅读详情

 目录

1、Anaconda

1.1 简要介绍

1.2 Anaconda 23.3.1下载

1.3 Anaconda安装

1.4 Anaconda环境变量配置

1.5 Anaconda安装验证

1.6 更改镜像源+虚拟环境存储路径

1.7 虚拟环境创建及关键命令

2、CUDA

2.1 简要介绍

2.2 适配版本

2.3 CUDA Toolkit 10.1 下载

2.4 CUDA Toolkit 安装

2.5 查看环境变量

2.6 安装验证

3、cuDNN

3.1 简要介绍

3.2 cuDNN v8.0.5下载

3.3 cuDNN 适配版本

3.4 cuDNN 配置

3.5 cuDNN 验证

4、PyTorch

4.1 简要介绍

4.2 适配版本下载

4.3 PyTorch安装

4.4 PyTorch验证

5、ultralytics

5.1 适配ultralytics版本



1、Anaconda

1.1 简要介绍

Anaconda包括Conda、Python以及一大堆安装好的工具包,比如:numpy、pandas等

安装Anaconda的好处主要为以下几点:

1)包含conda:conda是一个环境管理器,其功能依靠conda包来实现,该环境管理器与pip类似,那有童鞋会问了:我能通过pip装conda包达到conda环境管理器一样的功能吗?答案是不能,conda包的实现离不开conda环境管理器。

2)安装大量工具包:Anaconda会自动安装一个基本的python,该python的版本Anaconda的版本有关。该python下已经装好了一大堆工具包,这对于科学分析计算是一大便利,你愿意费时耗力使用pip一个个包去装吗?

3)可以创建使用和管理多个不同的Python版本:比如想要新建一个新框架或者使用不同于Anoconda装的基本Python版本,Anoconda就可以实现同时多个python版本的管理

1.2 Anaconda 23.3.1下载

       conda version : 23.3.1
 conda-build version : 3.24.0
      python version : 3.10.9.final.0

1)官网下载

直接点击"Download"即可。(Windows环境且是64位)

image-20231007142641826

image-20231007152808110

2) 清华镜像站下载

找了一个23年早期版本下载。

image-20231007143615852

1.3 Anaconda安装

安装详细步骤

1)点击 Next

在这里插入图片描述

2)点击 I Agree

在这里插入图片描述

3)选择 All Users

在这里插入图片描述

4)选择安装路经,文件较大,选择其他盘!!

在这里插入图片描述

5)只选择第二项,第二项是说要默认使用python的版本,后期手动添加环境变量,

在这里插入图片描述

6)点击Install

在这里插入图片描述

7)点击Next

在这里插入图片描述

8)对于两个“learn”,都取消打勾

在这里插入图片描述

1.4 Anaconda环境变量配置

image-20231007162757955

image-20231007162850165

1.5 Anaconda安装验证

 conda --version
 conda --info
 python

image-20231007211125324

YOLOv8环境搭建+训练自己的数据详细项目 直接按照路径会有问题,找到自己 requirements.txt 文件路径,我这里是pip install -r D:\ultralytics-main\ultralytics-main\requirements.txt。首先去自己的anaconda的安装的envs(虚拟环境),在导航栏输入cmd,进入命令窗口。到官方网站下载yolo模型 ,下载好后解压,里面有个文件requirements.txt。然后安装ultralytics ,这是必须的。 阅读详情

相关推荐

win10 安装 yolov8 详细图文教程

如:E:\software_cache\pyCode\py\assistance-py\example\tube\datasets\pencil\dataset\datasets。注意我们选好我们的版本后出现的版本是 121,如果我们安装此版本那么将导致无法安装。我们在浏览器中搜索 cuda 116 进入该版本对应的安装包,确认好对应的版本后我们按照自己系统安装包进行安装。由于我们安装的 GPU 版本是 11.6,所以我们也需要安装相同的版本号。由于我们的 cuda 是 11.6 所以我们这就选择第二个。

fans_x的博客 2013

安装yolov3 win10 cuda8.0 vs2017

参考https://blog.csdn.net/dz4543/article/details/85255267 https://blog.csdn.net/sinat_35907936/article/details/82017127 时间:2019.6.5 环境 windows10 cuda8.0 cudnn5.1(cuda9.0以上和vs2017不兼容) vs2017(实际是...

sinat_41852207的博客 1724

WIN10+VS2019+CUDA11.8 使用TensorRT部署 yolov5-5.0

将下载的《yolov5加速包》中所有文件,复制粘贴到已下载《tensorrtx-yolov5》解压tensorrtx-yolov5-v5.0\yolov5目录下,其中的CMakeLists.txt选择替换原有文件。将《tensorrtx-yolov5》文件下的gen_wts.py文件复制到《yolov5-5.0》目录下,按照下图操作。将转出的wts模型,复制到3.3所生成的yolov5.exe同级目录下。编译过程中出现如下图的错误是可以不用管的。TensorRT配置成功。

weixin_45560674的博客 1288

win10+TensorRT+OpenCV+Qt+YOLOV8模型部署教程

(1)图像数据制作,标签制作通常采用labelme标注工具进行数据标注,数据保存格式选择为yolo。(2)模型训练使用anaconda 安装python虚拟环境。在python虚拟环境中安装GPU版本的torch。注意安装的时候需要VPN翻墙安装,不要使用清华源,因为清华源没有GPU版本的torch。torch环境配置如下:results = model.train(data="Number.yaml", epochs=100, imgsz=640)#增加随机旋转。

Fcc_bd_stars的博客 1938

WIN10+YOLOv4 环境搭建并进行YOLOv4目标检测

我的当前软件环境:WIN10,CUDA10.2,cuDNN7.6.5,python3.7,VS2019,OpenCV3.4.0硬件环境:Rtx2060,12G显存;

weixin_45052870的博客 2712

模型实战(11)之win10下Opencv+CUDA部署yolov5、yolov8算法

win10下Opencv+CUDA部署yolov5、yolov8算法

yohnyang的博客 2327

虚拟机ubuntu22.04.3中安装vitis2024.1注意事项

虚拟机ubuntu安装vitis2024.1

qq_52033578的博客 2486

KV STUDIO的安装与实践(一)

KV STUDIO是一种软件开发工具,用于编写、调试和管理基于Key-Value(键-值)存储的应用程序。KV STUDIO提供了一个集成开发环境(IDE),使开发人员可以方便地创建和管理键-值数据库,并编写逻辑和业务规则来操作和查询这些数据。它支持多种编程语言和平台,并提供了丰富的API和工具来简化开发过程。使用KV STUDIO,开发人员可以快速构建高效、可靠的键-值存储系统,并实现各种应用程序,如缓存、会话管理、配置存储等。本次使用plc进行案例讲解,结合小编的亲身经历,仅供参考!

weixin_47514459的博客 6291

大白话讲解Numpy中什么是一维、二维、三维数组,以及5种创建方式

NumPy中提供了多种创建数组的方式,其中最基本的方式就是通过array()函数创建数组在使用该函数时直接传入列表或元组即可。 通过array()函数分别创建一维数组、二维组和三维数组,那么什么是维度呢?一维、二维、三维有什么区别? 1、什么是维度? 维度可以理解为描述数据的一种 “方向” 或者 “层次”。在数组中,维度的数量决定了我们需要用多少个索引来访问一个元素 2、一维、二维、三维的区别? (1)一维:一维数组就像是一条直线上排列的一组数据,例如: a = np.array([1, 2

1354

AI Agent开发大全第一课-AI是什么以及如何使用AI

近年来,人工智能的迅猛发展引发了广泛的关注,尤其是“大模型”这一概念越来越深入人心。大模型,顾名思义,通常指的是那些拥有大量参数、能够处理复杂任务的机器学习模型。与传统小模型相比,大模型在数据处理、信息理解和生成等方面表现更加出色。为了理解为什么现在的AI被称为大模型,我们需要深入探讨几个关键因素。立角色是指在提示词中清晰地界定交互双方的身份。明确用户希望模型扮演的角色,可以帮助模型更准确地理解上下文和用户需求。

打造全国最全的AI Agent开发知识领域的博客 1401

【学习系列】SAP RAP 7:行为定义-Draft

本文介绍了RAP框架中的草稿表(Draft)功能及其应用。草稿表允许用户临时保存数据,在激活前不影响业务逻辑,支持保存继续、暂存和设备切换功能。草稿分为独占草稿(仅限同一用户编辑)和协作草稿(允许多用户协同编辑)。启用草稿需在行为定义和投影中包含标准action,并创建包含TotalETag等管理字段的草稿表。TotalETag确保草稿转换时活动数据未被修改,而ETagmaster则防止并发修改。文章通过OData调用示例详细说明了ETag验证过程,强调草稿功能由RAP框架自动处理,开发者只需关注定义和配置

DeveloperMrMeng的博客 430

PyTorch强化学习实战(3)——Gymnasium API扩展功能

我们已经学习了编写智能体必需的 Gymnasium 核心功能,其余 API 功能部分虽然非必需,但能显著提升开发效率和代码整洁度。在本节中,我们简要地介绍了 Gymnasium API 的扩展功能,学习了如何以模块化的方式扩展现有环境的功能,并熟悉了使用包装器可视化智能体活动的方法。

盼小辉丶的博客 1174

javafx结合Scene Builder自定义fxml实现漂亮的登录界面、自定义最小化、关闭按钮

本节主要介绍了如何结合Scene Builder工具来制作一个好看又漂亮的登录界面,以及介绍了如何在程序中调用生成界面文件fxml文件,如何获取到fxml文件中的组件等,并演示登录、最小化和关闭等功能。

c1007857613的专栏 5212

高性能优化的本质

在很早之前,处理器性能的提升一般是通过减小元器件的尺寸,增加元器件的数量,提高主频来实现,这也是摩尔定律所说的,但是由于功耗的影响,主频不能一直增加。后来,由于英伟达的GPU的并行计算的出现,逐渐打破摩尔定律,人们利用多核,SIMD,SIMT来处理大量相同计算的数据,这极大的提高了效率。计算机的算力得到了巨大的提升,但是并行是困难的,对于有数据依赖的程序来说,处理并行是一件及其困难的事,但对于一些简单的数学库的计算,并行的实现相对简单。

发狂的小花的博客 269

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

jason—zhang
博客等级 码龄21年 2粉丝 1原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值