适合0基础的超级详细的YOLOv10的GPU环境配置与运行

写于前面的一句话：

Pycharm+Anaconda+Cuda

本博客内容面向Windows操作系统（C盘保留20G内存以上），电脑需要有显卡和科学上网工具 

怎么看自己电脑有没有显卡：右键此电脑（我的电脑）--->管理

1. 在D盘（不建议C盘） 创建三个文件夹（Anaconda3、pycharm、yolov10）

2.下载Anaconda（打开科学上网工具）

网址：Download Now | Anaconda

点击Download开始下载

下载完成后运行：

选择刚刚创建文件夹的位置

选择这三个：

安装完成(这一步时间比较久，耐心等待)：

在我们的电脑里配置Anaconda，此电脑（我的电脑）--->属性

找到高级系统设置：

新建：

打开你的Anaconda安装文件夹，新建这四个地址：

然后确定，再确定

3 pycharm安装（打开科学上网工具）

网址：Other Versions - PyCharm

往下滑，找到：

点击下载，下载完成有运行安装包

找到pycharm文件夹：

安装完成：

在我们的电脑里配置pycharm，此电脑（我的电脑）--->属性

找到高级系统设置：

新建：

找到pycharm文件夹，存放这一个地址：

确定，再确定：

4 安装cuda与cudnn（用于GPU训练模型）（打开科学上网工具）

网址：https://developer.nvidia.com/cuda-toolkit-archive

往下滑，找到：

是Windows10选10，是Windows11的选11，点击下载

下载完成后，点击运行程序：

默认地址，选择ok

默认地址，下一步：

安装完成：

安装cudnn：（需要有英伟达的账号，大家要是没有，我上传到百度网盘了，可以下载，对应的是cuda的11.5版本）

通过百度网盘分享的文件：cudnn-windows-x86_64-8.3.2.44_cuda1...
链接：https://pan.baidu.com/s/1u3lmoYEufcRQ3i008bv_Yw 
提取码：puza 

网址：https://developer.nvidia.com/rdp/cudnn-archive

登录成功后：往下滑

点击下载

下载完成后解压缩：复制这三个文件：

找到cuda安装地址：c盘

复制到这里：

至此yolov10需要用到的pycharm，anaconda，cuda安装完毕

5 yolov10模型训练

在训练yolo11的时候需要数据集，推荐一个网站：Roboflow Universe: Open Source Computer Vision Community

 我随便选取主页的一个数据集下载：

yolov10数据集选择网站里的YOLOv11版本就可以！

下载完成后解压缩：训练所需要的四个文件

下载yolov10代码：https://github.com/THU-MIG/yolov10

 

下载完成后放到创建的yolov10文件夹里解压缩：

创建一个datasets文件夹，放入刚刚下载的数据集

yolov10-main文件夹右键pycharm打开：

新建一个train

train.py里的这两个路径为绝对路径：（根据自己的电脑的绝对路径修改）

train.py代码：

import warnings
warnings.filterwarnings('ignore')
from ultralytics import YOLOv10

if __name__ == '__main__':
    model = YOLOv10(model=r'F:\1122\yolov10\yolov10-main\ultralytics\cfg\models\v10\yolov10n.yaml')
    model.train(data=r'F:\1122\yolov10\yolov10-main\datasets\data.yaml',
                imgsz=640,
                epochs=200,
                batch=16,
                workers=0,
                device='0',
                optimizer='SGD',
                close_mosaic=10,
                resume=False,
                project='runs/train',
                name='exp',
                single_cls=False,
                cache=False,
                )

 修改datasets里data.yaml的路径：（绝对路径）（根据自己的电脑的绝对路径修改）

到此数据集和训练代码操作完毕，开始创建yolov10的anaconda环境：

 打开yolov10代码的文件夹：

打开requirements.txt

删除这两行，然后保存：

在yolov10的文件夹输入   cmd，然后回车：

这里显示你电脑上yolov10存在的文件夹地址：

输入conda create -n yolov10 python=3.9  然后回车：

再回车：

结束后激活yolov10：activate yolov10    回车

输入：pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117    （一定开启科学上网工具）  回车

开始下载： 

下载完毕：

输入：pip install -r requirements.txt   回车  （一定开启科学上网工具）

下载完毕：

到此yolov10所需环境安装完毕！！！

在pycharm里调用刚刚创建的yolov10环境：

pycharm 右下角：

等待pycharm加载一会所需要的库

加载完成后，右键运行train.py

成功打印模型结构与运行：

到此全文结束！！！

到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv10改进有效涨点专栏，后期我会根据各种最新的前沿顶会进行论文复现，也会对一些老的改进机制进行补充，如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新~

YOLOv10有效涨点专栏