人形人脸检测 yolov8、conda 环境安装

环境安装：

参考资料：

• YOLOv8超详细环境搭建以及模型训练（GPU版本）_yolov8训练-CSDN博客

 

1.miniconda 安装：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda

• 我下载的是 Miniconda3-py312_26.1.1-1-Windows-x86_64.exe 
  • py312：指这个安装包内置的基础 Python 版本是 3.12（即默认 base 环境的 Python 版本）
  • Conda 工具本身是用 Python 写的，必须依赖一个 Python 才能运行
  • 安装后多了一个 Anaconda Prompt 窗口，后续用这个更方便。CMD 也可以，先运行conda init cmd.exe 然后关闭当前窗口重新打开就可以正常使用了
• 使用conda
  • 创建环境：conda create -n 1-p3.12 python=3.12 -y
  • 切换到指定环境：conda activate yolov8a
  • 查看所有环境：   conda env list 
  • 退出环境：          conda deactivate
  • 删除环境：          conda remove -n 1-p3.12 --all -y
  • 看环境大小：       python -c "import site; print(site.getsitepackages())"  -> du -sh  /xxx
  • 导入和导出：       pip freeze > requirements.txt  -> pip install -r requirements.txt

 

• 配置pypi国内镜像源：
  • 方式1：清华源：https://mirrors.tuna.tsinghua.edu.cn/help/pypi
    • 也就是执行一下：pip config set global.index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple

  • 方式2 阿里云：
    mkdir -p ~/.pip
    cat > ~/.pip/pip.conf << EOF
    [global]
    index-url = https://mirrors.aliyun.com/pypi/simple/
    EOF

  • 看配置生效：pip config list
• pip install netron // 看模型输入输出

 

2. pytorch 安装

//一个模型框架，内置 CUDA(NVIDIA 显卡的 “通用计算接口”)、cuDNN(专门给深度学习加速的库)（环境级）(CUDA和cuDNN的作用只有一个让 GPU 跑得飞快，比 CPU 快 10～100 倍 ) 

• 官网：https://pytorch.org 
  • 根据 之前的PyTorch版本 我这里下载的是 pytorch v13.1 -> CUDA 11.6 
    • Conda下载： conda install pytorch==1.13.0 torchvision==0.14.0 torchaudio==0.13.0 pytorch-cuda=11.6 -c pytorch -c nvidia
    • Wheel下载：
      • pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116
      • pip install torch==2.12.1+cu126 torchvision==0.27.1+cu126 --index-url https://download.pytorch.org/whl/cu126
• 安装注意事项
  • 查看最大支持的 CUDA 版本：nvidia-smi 
    • 16xx的显卡，要安装cu102的版本，否则可能训练出现问题
    • 30xx、40xx显卡，要安装cu111以上版本，否则无法运行

 

3. ultralytics(TOLOV8)安装

• 安装方式1 pip直接安装：pip install ultralytics
• 安装方式2 pip源码安装：
  • 下载： https://github.com/ultralytics/ultralytics
  • 解压后cd 到主目录 -> pip install -e .  // 安装本地源码（可修改），改完代码立即生效
  • 卸载：pip uninstall ultralytics // 卸载时系统只认包名，不认你是怎么装的

  

4. CUDA下载 & CUDNN 配置

// 如果只需要训练，无需单独安装 CUDA。 如果有部署要求，例如导出 TensorRT 模型（ONNX 转成 TRT 引擎），则必须装系统级 CUDA + cuDNN

• CUDA官网：https://developer.nvidia.com/cuda-toolkit-archive
• CUDNN官网：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10  //  选择支持CUDA的版本 ； 下载cuDNN,要先登录
  • 解压cuDNN压缩包，然后将cuDNN文件夹里面的几个文件复制到CUDA的安装目录下直接合并

 

5.其它

• conda install -c conda-forge make
• pip install jupyterlab
• pip install labelimg