Windows 10下YOLOv3与Deep_Sort_Pytorch多目标跟踪实战指南
1. 环境准备与CUDA版本选择
在Windows 10上搭建基于YOLOv3和Deep_Sort_Pytorch的多目标跟踪系统,首先需要解决环境配置这个"拦路虎"。不同于Linux系统,Windows下的CUDA环境配置往往让开发者头疼不已。
CUDA版本选择黄金法则:
- PyTorch 1.8+推荐使用CUDA 11.1+
- 确保NVIDIA驱动支持所选CUDA版本
- Visual Studio版本必须与CUDA兼容(如CUDA 10.2需要VS2017)
提示:使用
nvidia-smi命令查看驱动支持的最高CUDA版本,这比安装的CUDA Toolkit版本更重要。
验证环境是否就绪:
bash复制nvcc --version # 查看CUDA编译器版本
python -c "import torch; print(torch.cuda.is_available())" # 检查PyTorch能否识别GPU
常见版本组合参考:
| 组件 | 稳定组合1 | 稳定组合2 |
|---|---|---|
| CUDA | 11.3 | 10.2 |
| PyTorch | 1.12.1 | 1.8.1 |
| torchvision | 0.13.1 | 0.9.1 |
| cuDNN | 8.2.1 | 7.6.5 |
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 依赖安装与项目配置
克隆官方仓库后,别急着运行pip install,Windows系统需要特别注意以下几点:
bash复制git clone https://github.com/ZQPei/deep_sort_pytorch.git
cd deep_sort_pytorch
依赖安装避坑指南:
- 创建专属Python环境(推荐使用conda)
- 修改requirements.txt中的torch和torchvision为对应CUDA版本
- 使用清华源加速安装
bash复制conda create -n deepsort python=3.8
conda activate deepsort
pip in
