Yolov8使用gpu训练环境搭建教程

冰封坠落

已于 2025-05-30 09:14:48 修改

阅读量2.3k

点赞数 10

分类专栏： Yolo 文章标签： YOLO

于 2024-04-24 11:47:11 首次发布

本文链接：https://blog.youkuaiyun.com/A1058528421/article/details/138145096

版权

本文提供了在Windows11系统中，使用NVIDIA GeForce RTX 2070 with Max-Q Design GPU搭建Yolov8训练环境的详细步骤。包括安装CUDA 11.8, CUDNN，Miniconda3，创建conda环境，配置Yolov8，并解决内存不足问题。关键在于确保CUDA、CUDNN和Torch版本的兼容性。" 113417450,10538491,Spring MVC+Mybatis 多数据源切换实践,"['Spring框架', 'Mybatis框架', '数据库管理', '数据源切换']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

当初我也曾在搭建Yolov8的GPU环境上遇到了不少挑战，但经过耐心的测试和实践，终于成功了！在这里，我想分享我的经验，让其他小伙伴少走弯路。

首先，确保你的GPU驱动程序已经正确安装并且与CUDA兼容。检查CUDA和cuDNN的版本，与你要使用的Yolov8版本相匹配。

接着，安装适用于GPU的PyTorch。你可以通过PyTorch官方网站找到与你的CUDA版本相匹配的PyTorch安装命令。

然后，下载Yolov8的源代码，并根据README文件中的说明进行配置。确保你正确地设置了相关的路径和参数，以便Yolov8能够在GPU上运行。

在进行训练之前，最好先测试一下你的环境是否配置正确。运行一些简单的代码或者示例来验证GPU是否正常工作。

最后，开始训练你的Yolov8模型，并根据需要进行调优和优化。记得在整个过程中保持耐心和坚持，因为搭建和训练一个高效的Yolov8模型需要时间和努力。

按以下步骤进行操作，我用的 windows11，显卡 NVIDIA GeForce RTX 2070 with Max-Q Design

1、安装CUDA

查看支持的cuda版本，并去官网下载网址：https://developer.nvidia.com/cuda-toolkit-archive

1、运行 nvidia-smi 查看最高支持版本

C:\Users\Administrator>nvidia-smi
Wed Apr 24 10:05:04 2024
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 528.79       Driver Version: 528.79       CUDA Version: 12.0     |
|-------------------------------+----------------------+----------------------+
| GPU  Name            TCC/WDDM | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+=============