Windows 10 安裝 PyTorch 開發環境，以及驗證 YOLOv8

最近搞了一臺Windows機器，準備在上面安裝深度學習的開發環境，并搭建部署YOLOv8做訓練和測試使用；

環境：
OS： Windows 10
顯卡： RTX 3090

安裝 NVIDIA 驅動

根據顯卡型號找到對應的驅動進行安裝

GeForce? 驅動程序

驗證

在終端中輸入： nvidia-smi 查看是否正確安裝

PS F:\workspace\notebook> nvidia-smi
Tue Aug 15 09:23:21 2023
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 528.24       Driver Version: 528.24       CUDA Version: 12.0     |
|-------------------------------+----------------------+----------------------+
| GPU  Name            TCC/WDDM | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  NVIDIA GeForce ... WDDM  | 00000000:01:00.0  On |                  N/A |
| 30%   38C    P8    19W / 350W |    782MiB / 24576MiB |      4%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------++-----------------------------------------------------------------------------+
| Processes:                                                                  |
|  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
|        ID   ID                                                   Usage      |
|=============================================================================|
|    0   N/A  N/A      1620    C+G   C:\Windows\System32\dwm.exe     N/A      |
|    0   N/A  N/A      1908    C+G   ...ge\Application\msedge.exe    N/A      |

安裝 Visual Studio 2019 Community

安裝 VS2019 Visual Studio Community 2019

驗證

安裝 Git, CMake, Anaconda

安裝 git,

tortoisegit 可以看文件狀態

安裝 cmake， 跨平臺編譯時使用;

安裝 Anaconda，集成了很多 python 開發環境

驗證

下載并安裝 OpenCV

OpenCV 下載地址

VC版本號	VS對應版本
vc6	VC6.0
vc7	VS2002
vc7.1	VS2003
vc8	VS2005
vc9	VS2008
vc10	VS2010
vc11	VS2012
vc12	VS2013
vc13	VS2014
vc14	VS2015
vc15	VS2017
vc16	VS2019

既然上面安裝的是 VS 2019, 那么我們就安裝 VC16 版本的 OpenCV， 省得自己編譯了；

解壓安裝后，將 build 目錄下的 x64\vc16\bin 添加到環境變量中。

安裝 CUDA 和 CUDNN

這里有些人可能不知道需要安裝什么版本的 cuda。因為我這里的 GPU 是 N卡 3090 還是比較好的，所以可以安裝比較高階版本的軟件，但是也不能太新，我這里直接參考 PyTorch 里最新版本的框架依賴哪個？

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-MNJC1PNc-1692070277630)(image.png)]

好了，那就安裝 CUDA 11.8 和對應的 CUDNN 8 ；

cuda11.8-exe_local-3GB

cudnn 下載對應版本

注意： cudnn 要注冊賬號

解壓后，將 cudnn 文件夾下的所有文件夾復制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\ 目錄下。

驗證

(base) D:\>nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Wed_Sep_21_10:41:10_Pacific_Daylight_Time_2022
Cuda compilation tools, release 11.8, V11.8.89
Build cuda_11.8.r11.8/compiler.31833905_0

進入到安裝目錄 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite, 運行 .\deviceQuery.exe

安裝 PyTorch

PyTorch

conda 安裝

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

pip 安裝

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

驗證

(base) D:\>python
Python 3.11.4 | packaged by Anaconda, Inc. | (main, Jul  5 2023, 13:38:37) [MSC v.1916 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> print(torch.__version__)
2.0.1
>>> torch.cuda.is_available()
True
>>>

ultralytics/YOLOv8

創建虛擬環境

conda create --name yolov8 --clone base

激活虛擬環境

conda activate yolov8

安裝

pip install ultralytics

代碼 https://github.com/ultralytics/ultralytics

權重 https://github.com/ultralytics/assets/releases

驗證

yolo predict model=yolov8n.pt imgsz=640 conf=0.25

(yolov8) F:\workspace\yolov8>yolo predict model=yolov8n.pt imgsz=640 conf=0.25
WARNING  'source' is missing. Using default 'source=D:\anaconda3\envs\yolov8\Lib\site-packages\ultralytics\assets'.
Ultralytics YOLOv8.0.154  Python-3.11.4 torch-2.0.1 CUDA:0 (NVIDIA GeForce RTX 3090, 24576MiB)
YOLOv8n summary (fused): 168 layers, 3151904 parameters, 0 gradientsimage 1/2 D:\anaconda3\envs\yolov8\Lib\site-packages\ultralytics\assets\bus.jpg: 640x480 4 persons, 1 bus, 1 stop sign, 160.2ms
image 2/2 D:\anaconda3\envs\yolov8\Lib\site-packages\ultralytics\assets\zidane.jpg: 384x640 2 persons, 1 tie, 154.0ms
Speed: 41.6ms preprocess, 157.1ms inference, 72.6ms postprocess per image at shape (1, 3, 384, 640)
Results saved to runs\detect\predict

【參考】

Windows 安裝 CUDA/cuDNN

驗證pytorch是否為GPU版本

YOLOv8環境搭建（Windows11）

YOLOv8 從環境搭建到推理訓練

Ultralytics YOLOv8 Docs-Quickstart

Anaconda 創建，復制，移植，刪除環境