[toc] # 版本 GPU版: | 軟體 | 版本 | |----------------|--------------| | Windows | 11 | | CUDA | 11.8 | | cuDNN | 8.9.7 | | Python | 3.9.11 | | torch | 2.5.1+cu118 | | GPU | RTX4070 | CPU版: | 軟體 | 版本 | |----------------|--------------| | Ubuntu | 20.04 | | Python | 3.8.10 | | torch | 2.4.1 | | CPU | AMD R7 5800X | > 值得注意的是 CUDA版本，Python版本，Pytorch版本一定要互相兼容，或者你可以乾脆跟我載一樣的版本 # 下載連結 [Python 3.9.13](https://www.python.org/downloads/release/python-3913/) [CUDA](https://developer.nvidia.com/cuda-11-8-0-download-archive?target_os=Windows&target_arch=x86_64&target_version=11&target_type=exe_local) [cuDNN](https://developer.nvidia.com/rdp/cudnn-archive) ![截圖 2024-12-24 18.02.25](https://hackmd.io/_uploads/r1fCLbdBye.png) # 建置步驟 ### 第一步 安裝 CUDA 和 cuDNN --GPU版 > CPU only 不需要這一步 1. 安裝 CUDA（路徑預設為 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA）。 2. 解壓縮 cuDNN，將以下三個資料夾放置於 CUDA 路徑： - bin - include - lib ![截圖 2024-12-24 18.10.55](https://hackmd.io/_uploads/rJfAuWurkg.png) ![截圖 2024-12-24 19.59.22](https://hackmd.io/_uploads/HkKUM7dBkg.png) 確認 NVIDIA GPU 驅動程式、CUDA 和 cuDNN 已正確安裝。 檢查 CUDA 是否已安裝： ```bash= nvcc --version ``` ![image](https://hackmd.io/_uploads/BJGQzMjSyl.png) ### 第二步 創建資料夾與創建虛擬環境 1. 在任意地方創建資料夾，我這裡是在下載中創一個叫YoloV11的資料夾作為整個專案的存放點 2. 使用 Visual Studio Code開啟該資料夾 3. 使用 Ctrl + shift + \` 開啟終端機 或是使用工具列叫 ![image](https://hackmd.io/_uploads/r1PgQGsr1g.png) 4. 執行以下指令， ```pip install virtualenv```，如果你還沒裝 `virtualenv` 的話 5. 建立並啟用虛擬環境 ```virtualenv yolovenv``` , ```source yolovenv/bin/activate``` 6. 看到這個代表成功 ![image](https://hackmd.io/_uploads/SJf9IGir1x.png) ### 第三步 建置Yolo -- CPU版 YOLO 通常使用 PyTorch 作為基礎框架。安裝適合你硬體的版本（CPU 或 GPU）。 ```bash= pip install torch torchvision torchaudio ``` 然後安裝 YOLO 相依套件 ```bash= pip install ultralytics ``` 確認環境安裝完成: ```bash= python -c "from ultralytics import YOLO; print('YOLO Installed Successfully!')" ``` 測試 YOLO 功能： ```bash= yolo predict model=yolov8n.pt source=https://ultralytics.com/images/bus.jpg ``` 測試 YOLO 訓練: ```bash= yolo task=pose mode=train model=yolov8s-pose.pt data=coco-pose.yaml epochs=1 imgsz=640 batch=4 ``` ### 第三步 建置Yolo -- GPU版 首先需確保 PyTorch 與 CUDA 匹配，根據你的 CUDA 版本安裝正確的 PyTorch 版本 * 進入 PyTorch 官網的安裝頁面：[PyTorch Install](https://pytorch.org/get-started/locally/) * 選擇正確的 CUDA 版本，並複製相應的安裝命令。 * 例如，對於 CUDA 11.8，安裝命令為： ```bash= pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 ``` 然後安裝 YOLO 相依套件 ```bash= pip install ultralytics ``` 驗證 PyTorch 安裝 ```bash= python -c "import torch; print(torch.version.cuda); print(torch.cuda.is_available())" ``` 確保輸出顯示正確的 CUDA 版本，並且 `torch.cuda.is_available()` 返回 `True`。 如果顯示 False 果斷重裝 PyTorch，輸入下列指令進行重裝: 移除現有的 PyTorch ```bash= pip uninstall torch torchvision torchaudio -y ``` 然後重新安裝 ```bash= pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 ``` 確認 PyTorch 是否能正確使用 GPU： ```bash= python -c "import torch; print(torch.version.cuda); print(torch.cuda.is_available())" ``` `torch.version.cuda` 應顯示 `11.8`。 `torch.cuda.is_available()` 返回 `True`。 確認環境安裝完成: ```bash= python -c "from ultralytics import YOLO; print('YOLO Installed Successfully!')" ``` 測試 YOLO 功能： ```bash= yolo predict model=yolov8n.pt source=https://ultralytics.com/images/bus.jpg ``` 測試 YOLO 訓練: ```bash= yolo task=pose mode=train model=yolov8s-pose.pt data=coco-pose.yaml epochs=1 imgsz=640 batch=4 ```