1. 环境准备与工具安装
第一次接触YOLOv8时,我也被各种环境配置搞得头大。经过多次实践,总结出这套在Windows下最稳定的配置方案。建议跟着步骤一步步来,能避开90%的坑。
1.1 Anaconda环境搭建
Anaconda是Python环境管理的利器,特别适合需要切换不同项目环境的场景。我习惯在D盘新建一个AI_Projects文件夹专门存放所有项目,这样重装系统也不怕数据丢失。安装Anaconda时注意两点:勾选"Add to PATH"选项,以及使用默认安装路径(不要有中文和空格)。
安装完成后,用管理员身份打开Anaconda Prompt(重要!),执行以下命令创建专属环境:
bash复制conda create -n yolov8 python=3.8 -y
这里选择Python 3.8是因为它和PyTorch各版本兼容性最好。创建完成后别急着退出,立即激活环境:
bash复制conda activate yolov8
常见问题排查:如果遇到"无法将conda识别为命令",说明PATH没配置好。可以手动将Anaconda3\Scripts和Anaconda3\Library\bin添加到系统环境变量。
1.2 CUDA与cuDNN配置
GPU加速是目标检测的核心,首先确认你的显卡支持CUDA。在cmd运行:
bash复制nvidia-smi
重点看右上角的CUDA Version,这个不是你安装的版本,而是驱动支持的最高版本。以我的RTX 3060为例,显示11.4,那么我可以安装≤11.4的任何CUDA版本。
到NVIDIA官网下载CUDA Toolkit时,建议选择比驱动版本低一版的CUDA。比如驱动显示11.4,就装CUDA 11.3。安装时选择"自定义",只勾选:
- CUDA
- Development
- Documentation
- Visual Studio Integration(如果装了VS)
cuDNN需要单独下载,解压后将bin、include、lib文件夹直接复制到CUDA安装目录(如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3)
验证安装成功:
