yolov12的cuda/cudnn/torch（torch-2.2.2+cu121-cp38-cp38-win_amd64.whl）/torchvision环境全安装包

已于 2025-03-20 09:02:30 修改
阅读量593 收藏 1
点赞数 16
分类专栏： 遇到过的问题 文章标签： YOLOV12 cuda安装 深度学习环境配置 torch2.2.2安装包 cudnn8.9.7安装包 cuda12.1安装包 yolov12环境配置
于 2025-03-05 09:52:53 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_36112576/article/details/146034165
版权

最近yolov12已出，需要根据requirements.txt更新环境，此处通过百度云盘将对应文件存档。文件包括cuda_12.1.0_531.14_windows.exe、cudnn-windows-x86_64-8.9.7.29_cuda12-archive.zip、torch-2.2.2+cu121-cp38-cp38-win_amd64.whl、torchvision-0.17.2+cu121-cp38-cp38-win_amd64和一个用于测试是否安装成功的py文件。

通过网盘分享的文件：cuda12.1+cudnn8+torch2.2.2等5个文件
链接: https://pan.baidu.com/s/1Fkwa96DOC5t2q5vrq_nkyA?pwd=gqt7 提取码: gqt7
yolov12官方地址：https://github.com/sunsmarterjie/yolov12

requirements.txt

torch==2.2.2 
torchvision==0.17.2
flash_attn-2.7.3+cu11torch2.2cxx11abiFALSE-cp311-cp311-linux_x86_64.whl
timm==1.0.14
albumentations==2.0.4
onnx==1.14.0
onnxruntime==1.15.1
pycocotools==2.0.7
PyYAML==6.0.1
scipy==1.13.0
onnxslim==0.1.31
onnxruntime-gpu==1.18.0
gradio==4.44.1
opencv-python==4.9.0.80
psutil==5.9.8
py-cpuinfo==9.0.0
huggingface-hub==0.23.2
safetensors==0.4.3
numpy==1.26.4

安装记录：
1、打开控制面板卸载现有nvidia图形驱动程序，卸载后需要重新启动电脑；
2、右键点击cuda_12.1.0_531.14_windows.exe，以管理员身份运行，安装过程中一路默认；
3、解压cudnn-windows-x86_64-8.9.7.29_cuda12-archive.zip，将三个文件夹复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1路径下；
4、命令行pip 安装 torch-2.2.2+cu121-cp38-cp38-win_amd64.whl；
5、命令行pip 安装 torchvision-0.17.2+cu121-cp38-cp38-win_amd64；
6、命令行运行 python test.py,显示如下提示，则顺利安装。
在这里插入图片描述

深度学习pytorch之22种损失函数数学公式和代码定义
深度学习pytorch之19种优化算法（optimizer）解析
深度学习pytorch之4种归一化方法（Normalization）原理公式解析和参数使用
深度学习pytorch之简单方法自定义多种卷积即插即用
用自己的数据训练yolov11目标检测
实时语义分割之BiSeNetv2（2020）结构原理解析及建筑物提取实践
实时语义分割之Deep Dual-resolution Networks(DDRNet2021)原理解析及建筑物提取实践
SegFormer 模型解析：结合 Transformer 的高效分割框架原理及滑坡语义分割实战

YOLOv11训练自己的数据集，从代码下载到实例测试 （含YOLOv11网络结构图）
Limiiiing的博客
09-30 3万+
在Windows10上配置CUDA环境教程2024年9月30日，YOLOv11是最新发布的计算机视觉模型。支持多种任务，包括目标检测、实例分割、图像分类、姿态估计、有向目标检测以及物体跟踪等，本文主要讲述其检测任务的模型搭建训练流程。以上就是YOLOv11训练自己数据集的全部过程啦，欢迎大家在评论区交流~
使用YOLOv10进行KITTI 2015数据集车辆、行人、骑行者检测与分类
最新发布
m0_52343631的博客
04-21 444
KITTI数据集（The Karlsruhe Institute of Technology and Toyota Technological Institute at Chicago）是一个广泛用于自动驾驶和计算机视觉研究的数据集。该数据集提供了多种传感器数据，包括激光雷达（LiDAR）、摄像头图像以及GPS/IMU数据。KITTI 2015数据集是其中的一个子集，主要用于目标检测任务，包含了三类常见的交通参与者：车、行人和骑行者。
YOLOv12保姆级使用教程重磅来袭，教你如何找熊猫
monsterk1的博客
03-24 1125
YOLOv12是由纽约大学、北京中国科学院大学和布法罗大学团队联合打造的最新目标检测YOLO框架，是一种以以注意力为核心的检测方法。
YOLOv12源码及模型权重——免费下载
qq_60865111的博客
02-20 1162
YOLOv12源码及模型权重——免费下载
Windows搭建并成功运行yolov12（保姆级教程，新手入门）
weixin_44649668的博客
02-25 1929
在pycharm打开项目yolov12，将requirements.txt文件中前三行注释掉（因为flash_attn和torch,torchvision，python版本需对应，所以我将其都与与编译好的windows版flash_attn对应）在pycharm打开项目yolov12，点击 文件--设置--项目yolov12-main--python解释器--添加解释器--添加本地解释器--conda环境--使用现有环境--yolov12--确定。分别点击进去，找到对应的版本，我下载的分别是。
yolov12 windows环境搭建及训练
weixin_43269340的博客
02-25 1108
yolo12最新发布出来，Windows搭建环境遇到一点问题，因为官方发布的是linux版本，导致Windows按照步骤的包不一样，特此记录一下。
YOLOv12GPU训练自己的数据（windows适用） (草履虫都能看懂系列)
flpmmpfl的博客
02-24 2341
查看cuda最高支持版本，win+R，输入cmd，打开命令窗口，输入nvidia-smi.exe，红框位置为最大可支持安装版本​​。
torch_scatter-2.1.2+pt21cu121-cp39-cp39-win_amd64.whl.zip
02-19
需要配和指定版本torch-2.1.0+cu121使用，请在安装该模块前提前安装官方命令安装torch-2.1.0+cu121对应cuda12.1和cudnn，注意电脑需要有nvidia显卡才行，支持GTX920以后显卡，比如RTX20 RTX30 RTX40系列显卡
torch-2.2.1+cu118-cp38-cp38-linux-x86-64.whl
10-25
更多：https://download.pytorch.org/whl/torch/
torch-2.4.1+cu118-cp38-cp38-linux-x86-64.whl
10-28
更多：https://download.pytorch.org/whl/torch/
torch_scatter-2.1.2+pt21cu118-cp310-cp310-win_amd64.whl.zip
02-19
需要配和指定版本torch-2.1.0+cu118使用，请在安装该模块前提前安装官方命令安装torch-2.1.0+cu118对应cuda11.8和cudnn，注意电脑需要有nvidia显卡才行，支持GTX920以后显卡，比如RTX20 RTX30 RTX40系列显卡
yolov12s.pt
02-22
yolo12权重文件
torch-2.3.1+cu118-cp38-cp38-linux-x86-64.whl
10-28
更多：https://download.pytorch.org/whl/torch/
适合小白的超详细yolov12环境配置+实例运行教程，从零开始教你如何使用yolov12训练自己的数据集（Windows+conda+pycharm）
2301_79954314的博客
02-21 7630
相信关注计算机视觉和深度学习的小伙伴们都已经听说过YOLO系列，作为目标检测领域的“老牌明星”，YOLO每次更新都会带来不少惊喜。那么，新鲜出炉的YOLOv12，它到底有哪些亮点呢？安装教程网上都有，不要听网上的人使用清华源，什么源的全是有问题的，最好是慢慢下载，用源下载的后续出问题自己负责。代码链接：https://github.com/sunsmarterjie/yolov12。大家好，今天要给大家介绍的是2025年2月19日最新发布的目标检测模型——网上都有，推荐新手下载。1、点击右下角的解释器。
目标检测：YOLOv12环境配置，超详细，适合0基础纯小白
笑脸惹桃花的博客
03-17 5974
小白也可以看懂的YOLOv12教程！ YOLOv12 是 YOLO 系列中首个打破传统基于卷积神经网络（CNN）方法的模型，它通过将注意力机制直接集成到目标检测过程中实现了这一突破。因此YOLOv12需要额外配置FlashAttention，此前的YOLO环境均不可用，需要按照最新的教程配置。此外，30系显卡以前的架构不支持较新的FlashAttention2.x，只能通过更换显卡解决。
YOLOv12保姆级教程（win系统和ubuntu系统均可使用）
许济江
02-20 1万+
YOLOv12 是由纽约大学、中国科学院大学和布法罗大学联合研发的实时物体检测模型。相比传统的 CNN 架构，YOLOv12 引入了 注意力机制，突破了在捕捉全局依赖和提升精度方面的局限。其创新包括： 区域注意力模块（A2）：提高推理速度，减少计算复杂度。 残差高效层聚合网络（R-ELAN）：增强特征聚合，优化训练效率。 架构优化：采用 FlashAttention 解决内存访问问题，调整 MLP 比率，进一步提升性能。
YOLOv12环境配置，手把手教你使用YOLOv12训练自己的数据集和推理(附YOLOv12网络结构图)，全文最详细教程
热门推荐
在职AI算法工程师，擅长计算机视觉，YOLO目标检测、分割等，擅长web、pyqt界面可视化，好内容持续更新中，来这里跟大家一起学习，共同进步
02-24 2万+
YOLO 系统尊嘟太卷了吧，YOLOv11 还没完明白，YOLOv12 就重磅来袭，YOLOv12 是由纽约州立大学联合中科院在 2025年2月19 日发布，从 YOLOv12 论文题目我们大概就知道做了那些更新 ，下图是YOLOv12 在 COCO 数据集上的性能表现引入区域注意力机制（area-attention）：通过引入十字形窗口自我注意机制，沿水平和垂直条纹计算注意力机制，纵横交错的注意机制。如下图所示，区域注意力采用最多简单的等分方法，将特征地图垂直或水平划分为 L 个区域。
YOLOv12来了！最快的速度学习她，改进它并发表成果！赋能AI，改变世界！ [特殊字符] YOLOv12 不仅是技术的飞跃，更是推动人工智能应用的强大引擎！选择 YOLOv12，开启智能未来！
B站 Ai学术叫叫兽的文案地
02-19 2761
YOLOv12来了！最快的速度学习她，改进它并发表成果！赋能AI，改变世界！ 🌍 YOLOv12 不仅是技术的飞跃，更是推动人工智能应用的强大引擎！选择 YOLOv12，开启智能未来 立即体验 YOLOv12，感受极速检测的魅力！
[python]windows上安装yolov12环境
FL1623863129的博客
02-20 931
很明显官方只能在linux上安装，因为flash_attn这个是linux上的whl，然后去flash-attention源码页面的release找下有没有win_amd64.whl。我试了下从源码开始有点难度，所以还是从其他地方找到whl。我电脑是RTX2070显卡，算力7.5，没有超过8，看起来flash-attn专门为算力>=8设计的模块？我下载了flash_attn-2.7.4+cu124torch2.5.1cxx11abiFALSE-cp310-cp310-win_amd64.whl。
torch 2.2.2+cu121对应的torchvision
03-26
<think>好的，我现在需要帮助用户找到与PyTorch 2.2.2+cu121兼容的torchvision版本。首先，我应该回忆一下PyTorch和torchvision之间的版本对应关系。通常，PyTorch官网会提供不同版本的torch和torchvision的兼容性列表。用户提到的是CUDA 12.1，对应的PyTorch版本是2.2.2，所以我要确定torchvision的哪个版本是官方推荐的。 接下来，我应该检查PyTorch的官方安装指令。比如，PyTorch官网的“Previous PyTorch Versions”页面通常会列出每个版本对应的torchvision、torchaudio等配套库的版本。用户可能没有直接访问官网，所以我需要凭借记忆或已有的知识库来回答。例如，PyTorch 2.x版本通常对应torchvision 0.x版本，且主版本号会对应。例如，PyTorch 2.2可能对应torchvision 0.17。 另外，用户提到CUDA 12.1，这需要确认torchvision是否也支持相同的CUDA版本。通常，PyTorch和torchvision的CUDA版本必须严格匹配，否则可能出现兼容性问题。因此，正确的torchvision版本应该是编译时针对cu121的，并且版本号与PyTorch 2.2.2兼容。 然后，我需要验证这个信息是否正确。比如，查阅已有的资料或内部知识库中的相关信息。例如，引用中的内容虽然主要关于CUDA版本兼容性和其他框架安装，但可能没有直接提到torchvision版本。不过，根据一般经验，PyTorch和torchvision的版本对应是固定的，所以可以推荐用户使用PyTorch官网提供的命令来安装正确的版本。 最后，考虑到用户可能需要安装命令，我应该提供具体的pip或conda安装指令，确保用户能够正确安装兼容的torchvision版本。例如，使用pip安装时指定版本和CUDA版本，如`pip install torchvision==0.17.2+cu121`，但需要确认版本号是否正确。或者引导用户去官网查找对应命令，确保准确性。</think>根据PyTorch官方版本兼容性要求，torch 2.2.2+cu121对应的torchvision版本是0.17.2+cu121。以下是具体信息： 1. **版本对应关系** - PyTorch主版本与torchvision保持同步更新 - 当PyTorch=2.2.x时，对应torchvision=0.17.x - 必须严格匹配CUDA工具链版本（此处需要cu121） 2. **安装方式** ```bash # 使用pip安装 pip install torchvision==0.17.2+cu121 --extra-index-url https://download.pytorch.org/whl/cu121 # 使用conda安装 conda install pytorchvision==0.17.2 -c pytorch ``` 3. **验证安装** ```python import torch import torchvision print(torch.__version__) # 应输出2.2.2+cu121 print(torchvision.__version__) # 应输出0.17.2+cu121 ``` 建议通过PyTorch官方渠道获取安装命令，避免第三方源导致的依赖冲突[^1]。如需其他组件（如torchaudio），也需要保持相同的CUDA版本约束[^2]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值