1. 錯誤原因分析

• 根本問題：當前安裝的PyTorch是CPU版本，無法調用GPU硬件加速。
• 當運行以下代碼時會報錯：

  model = YOLO("yolov8n.pt").to("cuda")  # 或 .cuda()
  

---

2. 解決方案步驟

步驟1：驗證CUDA可用性

在Python中運行以下命令檢查環境：

import torch
print(torch.__version__)          # 查看PyTorch版本
print(torch.cuda.is_available())  # 必須返回True

如果輸出為False，說明PyTorch未啟用CUDA支持。

步驟2：重新安裝支持CUDA的PyTorch

根據您的CUDA版本（通過nvcc --version查看），選擇對應命令安裝：

CUDA版本	安裝命令
CUDA 12.x	pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
CUDA 11.8	pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
CPU版本	pip install torch torchvision torchaudio

驗證安裝：

import torch
assert torch.cuda.is_available()  # 不報錯則成功

步驟3：重新安裝Ultralytics YOLOv8

確保YOLO庫與PyTorch兼容：

pip uninstall ultralytics -y
pip install ultralytics

---

3. 備用方案（如果無NVIDIA GPU）

如果設備確實沒有GPU，強制使用CPU運行：

model = YOLO("yolov8n.pt").to("cpu")  # 顯式指定CPU
# 或者直接
model = YOLO("yolov8n.pt")           # 默認自動選擇設備

---

4. 常見問題排查

問題現象	解決方案
nvcc --version 找不到	安裝CUDA Toolkit：NVIDIA官網下載
版本沖突	創建干凈的conda環境： conda create -n yolo python=3.8 conda activate yolo
驅動過舊	更新GPU驅動：驅動下載

---

5. 完整正確代碼示例

import torch
from ultralytics import YOLO# 確認CUDA可用
assert torch.cuda.is_available(), "CUDA不可用，請檢查PyTorch安裝！"# 加載模型并啟用GPU
model = YOLO("yolov8n.pt").to("cuda")# 運行推理
results = model("image.jpg")  # 自動使用GPU加速

---

6. 性能對比（GPU vs CPU）

設備	推理速度 (FPS)	顯存占用
RTX 3090	120+	~2GB
CPU (i9-12900K)	8-12	無

通過正確配置CUDA環境，將獲得10倍以上的速度提升！