window 安装ai 基础环境(yolo8，训练推理等)

本文主要是介绍window 安装ai 基础环境(yolo8，训练推理等)，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

安装步骤:

1. python

sdk 3.9以上：选择 3.9.13,  不知道为什么 3.9.0-0a等安装pytorch 不行。

2. 显卡驱动

可以使用驱动精灵 直接安装N 卡推荐

 3. 安装机器学习套件CUDA 

cuda 安装在PyTorch

需要根 PyTorch版本一致，我的 win-srv 最高支持 12.1

下载地址： https://developer.nvidia.com/cuda-toolkit-archive

https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda_12.1.0_531.14_windows.exe

记录下上图的 cuda安装路径:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\lib

CUDA_HOME=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\bin
LD_LIBRARY_PATH=${CUDA_HOME}/lib64:${LD_LIBRARY_PATH}
PATH=%CUDA_HOME%\bin

 
验证CUDA套件

nvcc -V

4、配置cuDNN

通俗点讲，cuDNN就是CUDA toolkit的一个补丁，深度学习需要这个补丁才能使用API驱动GPU的CUDA

下载: cuDNN 9.1.1 Downloads | NVIDIA Developer
进官网，需要登陆NVIDIA账号，并且注册成开发者，完成后进入下载界面

解压，全选复制，黏贴到CUDA安装目录，全部"是"即可

直接覆盖

验证cuDNN

命令行执行

import torch
# 查看pytorch版本
print(f'pytorch版本: {torch.version.__version__}')
# 查看显卡GPU是否可用
print(f'GPU是否可用: {torch.cuda.is_available()}')
# 查看GPU可用数
print(f'GPU可用数: {torch.cuda.device_count()}')
# 查看CUDA版本
print(f'CUDA版本: {torch.version.cuda}')
# 查看CUDA-cuDNN版本
print(f'cuDNN版本: {torch.backends.cudnn.version()}')
quit()

如果你看到GPU可用为True，那cuDNN就是安装成功了，此时环境就是GPU版本的了

5.  PyTorch (torch+torchversion+torchaudio)安装

可以在没有安装 cuda 情况下安装的,尽量提前安装.

地址： https://pytorch.org/

选择 N卡 cuda 或者 CPU 平台支持

选择对应的平台 版本： 我这边旋转 12.1

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

验证torch安装

官方验证，进cmd，进python环境，输入下面三行，看打印结果

import torch
x = torch.rand(5, 3)
print(x)

# 样例输出
tensor([[0.3380, 0.3845, 0.3217],
        [0.8337, 0.9050, 0.2650],
        [0.2979, 0.7141, 0.9069],
        [0.1449, 0.1132, 0.1375],
        [0.4675, 0.3947, 0.1426]])

验证成功。
 

这篇关于window 安装ai 基础环境(yolo8，训练推理等)的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---