1.Cuda和Cudnn安裝（cuda11.8 cudnn 8.9.7）

1.1 Cuda

CUDA (Compute Unified Device Architecture) 是 NVIDIA 推出的并行計算平臺和編程模型，允許開發(fā)者直接利用 GPU 的并行計算能力，加速通用計算任務(wù)（如科學(xué)計算、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不能高于這個版本

nvidia-smi

2. 進(jìn)入nvidia cuda下載頁面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download則開始下載

4.完成之后打開文件，點OK即可

5.繼續(xù)點擊同意并繼續(xù)

6.選擇精簡并下一步

7.勾選I understand之后點擊next

8.點擊下一步，完成安裝

9.驗證安裝：打開cmd并輸入nvcc --version或者nvcc -V，如果顯示一下信息則說明安裝成功

nvcc --version

1.2 cudnn

cuDNN (Cuda Deep Neural Network Library) 是 NVIDIA 針對深度學(xué)習(xí)優(yōu)化的高性能 GPU 加速庫，專注于神經(jīng)網(wǎng)絡(luò)原語的實現(xiàn)（如卷積、池化、激活函數(shù)等）。它是 CUDA 的上層補充，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，點擊local installer for windows即可下載

3. 在下載文件之前需要注冊或者登陸，登陸之后就會開始下載

4.把下載好的文件解壓之后會有三個文件夾，把這三個文件夾里的文件復(fù)制到對應(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)建一個新的環(huán)境，如果沒有安裝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)一下信息則說明下載成功

4.pycharm環(huán)境配置和驗證

1.新建一個項目，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

3.點擊運行之后可能需要點擊鏈接下載圖片，如果下載不了，就用鏈接https://ultralytics.com/images/bus.jpg 下載圖片并把model（）里的圖片路徑換成本地圖片路徑

4.如果出現(xiàn)以上信息，則說明安裝成功

總結(jié)

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論