yolo环境 pytorch环境配置 CUDA安装

我的·成功案例：首先安装python  3.12.9的conda虚拟环境

（如果不安装3.12的会报错误ModuleNotFoundError：没有名为“numpy._core”的模块）

然后安装11.8cuda

（其实我是可以最高安装12.6的cuda但我实测，太高版本的cuda可能会超出你的driver version所以我选择下载低版本）

然后下载其对应pytorch

然后安装4.10.0.84的opencv-python  和  opencv-contrib-python

pip install opencv-python==4.10.0.84

pip install opencv-contrib-python==4.10.0.84

（我是想着看看这样能不能直接跑yolo，但是很显然，跑不了差太多包了）

最后安装yolo：pip install ultralytics

就可以了

我们来看看先安装ultralytics和后安装ultralytics他的pip有啥区别

后安装：

没安装：

可以看到安装ultraliytics并没有修改我之前的torch，所以我认为yolo这个安装程序会检测你有没有torch版本如果有就不该你的，如果没有头就帮你安装一个cpu版本的小torch（45mb）就默认用不了gpu

安装yolo

直接：pip install ultralytics 就行

如果你只想用cpu驱动ultralytics那到这就可以了，因为yolo包安装会帮你配好cpu pytorch

如果你还想用nvidia显卡gpu去驱动yolo那还需要安装cuda+pytorch

首先搜索你的电脑：nvidia-smi

可以看到你的驱动560.94  cuda最高版本到12.6

所以俺最强的性能配置，你要安装12.6的cuda  和  适配12.6cuda的pytorch

但是非常便于建议你这么做！！！！！！！我吃了很多次亏就是因为cuda太高级导致训练失败

所以我建议你直接安装低几个版本的

eg：我下载的是11.8cuda  和其pytorch

进入nvidia官网下载地址：CUDA Toolkit Archive | NVIDIA Developer

找到12.6cuda安装

选择你的系统与配置

点download就好

安装CUDA
3.1 选择程序安装

 3.2 选择程临时解压路径
       选择默认即可，安装过程中会使用临时解压路径（后面系统会自动删掉）。

3.3 系统检查完成后点击同意并继续

 3.4 选择自定义安装
       选择精简，这里建议默认安装，也可手动安装，但是要记得自己安装的位置，因为后面需要配置系统环境变量。

 3.5 查看环境变量
      在计算机上点右键，打开属性->高级系统设置->环境变量，可以看到安装后，自动默认在系统中配置好  CUDA_PATH 和 CUDA_PATH_V11_7 环境变量（版本号对应用户所下载的版本号）：

3.6 查看版本
      安装完毕在命令行输入 nvcc --version，可以看到我安装的是11.7。至此，CUDA的安装过程结束。

=========================================================================

CUDA卸载
      win11 CUDA（12.0）卸载。一般安装错误时候会进行卸载。

信息介绍
       本文是对应 win11+RTX4070Ti 安装 CUDA（图文教程） 的卸载

卸载
1、控制面板 --> 程序 --> 卸载程序
     卸载掉图中红框内的，右键卸载即可

2、清理文件夹
 删除 NVIDIA GPU Computing Toolkit 文件夹

清理环境变量

查看环境变量是否清除, 红框中的部分卸载后会被清除，若未自动清除，需要手动删除

然后安装pytorch

去官网：PyTorch

选择你对应的cuda版本和系统配置

把命令输入到python环境就可以了

记住cuda  pytorch  yolo  要下载到一个python环境