windows下安装yolov11的GPU版本

🕗 发布于 2025-01-14 15:47 人工智能 YOLO 深度学习 windows

在CSDN下搜索了一圈，给yolov11配置环境，已经有很多博主写了详细的文章。刚好我自己的笔记本电脑需要安装yolov11，把配置过程记录下。

1、配置思路

使用miniconda作为包管理工具，先单独安装pytorch、torchvision，再安装yolov11，最后通过conda install安装cudatoolkit。

2、安装流程

2.1 我的电脑配置（华硕天选2）

操作系统：Windows 10 专业版
处理器：11th Gen Intel® Core™ i9-11900H @ 2.50GHz 2.50 GHz
RAM：16GB
GPU：NVIDIA GeForce RTX 3060 Laptop GPU（6.0 GB）

2.2 确认GPU驱动版本以及可安装CUDA的最高版本

在命令端窗口执行

nvidia-smi

可看到驱动版本、CUDA的最高版本，截图如下：
在这里插入图片描述

2.3 安装miniconda

其实，是安装anaconda还是miniconda区别不大，只是我个人喜好不同。打开网址：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/
选择Miniconda3-py310_23.1.0-Windows-x86_64.exe。
在这里插入图片描述
下载完成后，双击exe，按照提示安装即可。

2.4创建anacona环境

在启动菜单中点击conda的命令提示图标，进入命令窗口。
在这里插入图片描述

为了加快安装进度，设置conda下载包的通道为清华大学下镜像源，执行以下命令：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
使用conda指令创建环境，我是创建的环境命名为yolov11：

conda create --name yolov11 python=3.9

进入环境：

conda activate yolov11

在这里插入图片描述

2.5 安装pytorch

从上面查询我GPU驱动的信息可知道，我的环境是最高可以安装CUDA的12.3的版本，yolov11对pytorch的版本要求是版本>1.8即可。我选择的是安装2.3.1版本。安装指令为下：

conda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=11.8 -c pytorch -c nvidia

这条指令在网络畅通的情况下，大概需要15分钟左右的时间。

如果大家想安装其他的版本，可以从官网获取，获取方式如下：

进入官网：https://pytorch.org/
点击Get Statred
点击 install previous versions of PyTorch
选择想要安装的版本对应的conda指令

2.6安装yolov11

一条指令：

conda install ultralytics

2.7 安装cudatoolkit和cudnn

通常来说，很多博主推荐的方式，是去英伟达的官网下载相应的cudatoolkit和对应的cudnn库。其是，在使用conda进行包管理的情况下，是可以使用conda进行cuda安装的，安装指令如下：

conda install cudatoolkit

这条指令大概需要10分钟时间，可以去喝杯茶。

使用conda进行cuda安装，有几点优势：
1.conda会根据已经安装好的pytorch需要的cuda、cudnn版本，自动进行安装，安装时间还是比较方便的。
2.cuda是与当前虚拟环境绑定在一起的，方便多个cuda版本进行管理。
劣势：
1.不方便C++进行cuda开发。

3、环境测试

使用pycharm新建一个python项目，编写如下代码：

from ultralytics import YOLO

if __name__ == '__main__':
    # Load a model
    model = YOLO("yolo11n.pt")

    # Train the model
    train_results = model.train(
        data="coco8.yaml",  # path to dataset YAML
        epochs=100,  # number of training epochs
        imgsz=640,  # training image size
        device="0",  # device to run on, i.e. device=0 or device=0,1,2,3 or device=cpu
        batch=16,
        workers = 8
    )

执行，程序将自动下载yolov11n.pt、coco8数据集，并启动训练。
在这里插入图片描述

在这里特别提示下，在windows下，一定要加：

if __name__ == '__main__':

不然，将会报一堆的错误，如：freeze_support()

in the main module:

            if __name__ == '__main__':
                freeze_support()
                ...

        The "freeze_support()" line can be omitted if the program

    raise RuntimeError(f'DataLoader worker (pid(s) {pids_str}) exited unexpectedly') from e
RuntimeError: DataLoader worker (pid(s) 8904, 9648, 2968, 11124, 6336, 2120, 4452, 10160) exited unexpectedly