【从零开始基于YOLO V8 实现目标检测任务】#0 python + anaconda + CUDA + pytorch + pycharm 环境部署

今天开始记录，基于YOLO V8目标检测的实现过程。从零开始，故期间涉及大量基础知识的学习，都一并记下来，记录自己的成长，也供后来者参考，至少别走我走过的弯路。

0. 各部分作用

python

python的作用不必说，就是一门编程语言，需要安装。

anaconda

anaconda是干什么用的？

主要是管理环境：每个项目都可以用anaconda建立一个环境，这里面可以选择已安装的某一版python，安装不同的库，每个环境之间互不干扰。

anaconda里面还预装了很多科学计算库（numpy等），可以直接用。

conda包管理器：可以安装管理软件包。这个可以搜conda命令就可以明白。

CUDA

用于GPU加速，比如说，训练模型时，通过CUDA可以用显卡替代CPU进行计算，极大程度地提高计算速度。

但CUDA只适用于NVIDIA显卡，且并不是每个型号的显卡都适用，此链接可查阅你的NVIDIA是否支持：https://developer.nvidia.com/cuda-gpus

pytorch

这是一个开源的深度学习框架，可理解为一个大库，可以在程序中import。

比较火的有tensorflow、pytorch等，但据我看过的教学视频来说，很多人认为前者已经过时，据说现在基本都用pytorch。

pycharm

pycharm是一个IDE，也就是我们在这个里面编写代码，debug，做实验。

1. 安装python

安装前有个大坑需要确认：

依次打开CUDA（CUDA Toolkit 12.6 Update 3 Downloads | NVIDIA Developer） PYTORCH（PyTorch）的官网，确认合适的python版本。

比如下图，pytorch就对python版本有要求，且不同CUDA版本对应的后续安装命令也不同：

但现有的CUDA版本可能并不全，如下图：

所以在安装python前，一定要全面浏览一遍，考虑好每个软件的版本权衡。我现在用的CUDA 11.8版本，pytorch对应的版本很明确，但现在官网好像找不到了。如果有需求，我可以研究怎么上传~

验证此电脑中是否已经安装python

win+R -> 输入cmd -> 输入python –version

若输出python版本号，则已安装；否则未安装，如下图：

但已安装也没关系，一个电脑是可以按安装多个版本的。也可以在后续anaconda自己建立的虚拟环境中，安装所需版本。

安装python

python官网下载一个合适的版本安装包

双击.exe文件开始安装

第一个界面如图，无比勾选红色标记项，可以自动配置环境变量。（若忘了，可参考链接？？？手动配置）

选择customize installation 自定义安装后，第二个界面如下，选择next：

第3个界面如下勾选，选择install：

然后等待安装即可

完成界面若出现“disable path length limit”，则需要选择，可避免后续麻烦

测试安装效果

win+R -> cmd -> 分别输入python –version和pip –version，分别回车，结果如下，证明正常安装：

2. 安装anaconda

在官网下载anaconda最新安装包即可，双击安装。

出现的第一个界面中选just me；第2界面第一项添加环境变量要打勾，第二项可不打勾（据有些人的经验，勾选此项可能会导致安装过程卡顿）。

安装好后，打开anaconda prompt，安装opencv相关库

安装opencv-contrib-python库：输入“pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-python”

安装opencv-python库：输入“pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python”

测试安装效果：输入python回车，再输入import cv2回车，得到>>>即说明安装正确。

3. 安装CUDA

官网（CUDA Toolkit 12.6 Update 3 Downloads | NVIDIA Developer）下载合适版本的CUDA安装包，据说一般不推荐下载最新版的，还是得权衡一下。

双击exe文件，一步一步直接安装。

环境变量配置（参考[安装步骤记录]安装Anaconda、CUDA、GPU 版本的 PyTorch 库以及PyCharm_anaconda安装cuda-CSDN博客）

此电脑右键 -> 属性 -> 高级系统设置 -> 环境变量 ； 看到如下图所示两条路径即可。若无，可新建。

验证安装效果

cmd下，输入红框文字回车：

4. 安装pytorch

pytorch官网找到合适的安装命令，cmd下输入下图最后一栏中的命令回车：

开始自动下载安装

包比较大时间较长。还可以先下载包再安装之类的别的办法，可以提高安装速度。

成功安装，但得到如下警告（因人而异）：

为确保万无一失，将此路径添加到环境变量中：

此电脑右键 -> 属性 -> 高级系统设置 -> 环境变量 -> 双击PATH -> 新建，复制此路径 -> 确定

验证安装效果：

5. 安装pycharm

官网（PyCharm: the Python IDE for data science and web development）下载安装包，双击安装，出现第2界面全部勾选，再一路“下一步”即可。

安装后需重启。

6. 建立所需使用的虚拟环境

为yoloV8这样一个调试任务，建立一个虚拟环境，在这个环境中安装所需用到的工具，然后所有的相关实验都在这个环境里开展，目的性强，与别的任务互不干扰。

建立虚拟环境的方法有几种

首先可以通过cmd建立。cmd终端输入conda create -n y8 python=3.10.10

弹出一堆字符后，输入y8，表示确定要建立

经过一系列字符滚动，建立成功后，激活此环境：conda activate -n y8 python=3.10.10

终端命令行首括号内名称变为y8，即表示我们已经在这个环境下工作了

对于虚拟环境的操作命令汇总可参考Anaconda创建、激活、退出、删除虚拟环境_conda activate -n-CSDN博客

建立好环境后，也可作以下设置，方便日后工具安装：

设置pip的全局索引URL，即指定pip在搜索和下载Python包时使用的镜像源地址。

默认情况下，pip会使用Python官方的PyPI服务，地址通常是https://pypi.org/simple。通过设置全局索引URL，用户可以指定一个镜像源，通常是为了加速下载过程或访问被封锁的资源‌

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple/

设置信任的主机地址，这样pip在安装包时就不会因为主机不被信任而报错

pip config set install.trusted-host pypi.tuna.tsinghua.edu.cn

说白了，前两步就是为了后面安装软件包时，直接自动从TUNA下载，否则可能会很慢。

安装必要的工具

安装tesseract-OCR，用于实现后续的文字识别： 

pip install pytesseract -i https://pypi.tuna.tsinghua.edu.cn/simple/

再去github下载安装包：https://github.com/UB-Mannheim/tesseract/wiki

双击安装后确定安装文件位置，在代码中得写这两句以便使用：

os.environ['TESSDATA_PREFIX'] = r'C:\Program Files\Tesseract-OCR'
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

安装标注工具labelimg：

pip install labelimg

安装其他可以想到的工具。也可以在后面程序里用到的时候再安装。在PYCHARM中，一般程序里出现没安装的库，就会被下划红色波浪线，这时我们去pip install就好了。

作者：luoruiztTHU