目录
1 配置pytorch环境
2 配置yolo环境
3 测试yoloV8的语义分割模型
1 配置pytorch环境
我的电脑为Y9000P 4090，英伟达显卡驱动版本为525.105.17，驱动显示最高的cuda版本号为12.0，cuda版本为11.6，cudnn版本号为8.5.0。Anaconda3版本为22.9.0。如下：
对于跑yolo来说，我们创建python3.8环境。
conda create -n yo python=3.8
启动yo环境：
conda activate yo我的cuda是11.6，安装pytorch1.13.0并用pip加速。
pip install torch==1.13.0 torchvision==0.14.0 torchaudio==0.13.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/
安装成功，测试cuda是否可用：
(yo) liuhongwei@liuhongwei-Legion-Y9000P-IRX8H:~$ python Python 3.8.18 | packaged by conda-forge | (default, Oct 10 2023, 15:44:36) [GCC 12.3.0] on linux Type "help", "copyright", "credits" or "license" for more information. >>> import torch >>> torch.cud torch.cuda torch.cudnn_convolution_relu( torch.cudnn_affine_grid_generator( torch.cudnn_convolution_transpose( torch.cudnn_batch_norm( torch.cudnn_grid_sampler( torch.cudnn_convolution( torch.cudnn_is_acceptable( torch.cudnn_convolution_add_relu( >>> torch.cud torch.cuda torch.cudnn_convolution_relu( torch.cudnn_affine_grid_generator( torch.cudnn_convolution_transpose( torch.cudnn_batch_norm( torch.cudnn_grid_sampler( torch.cudnn_convolution( torch.cudnn_is_acceptable( torch.cudnn_convolution_add_relu( >>> torch.cuda.is_available() True >>>这样就是成功的了。
2 配置yolo环境
yoloV8环境及其好配置，只需输入一行命令即可安装所有所需依赖：
pip install ultralytics
安装完成。
从官网下载yolo：
yoloV8官网
https://github.com/ultralytics/ultralytics 或者直接克隆到桌面：
git clone https://github.com/ultralytics/ultralytics.git下载预训练模型：在它的官方网站上有用作各种任务的预训练权重。
我们下载目标检测和语义分割权重：
将这些权重放到yoloV8目录下，创建权重文件夹weights，将权重放入其中：
目录结构如下：
至此，我们配置好了yoloV8，开始进行测试。
3 测试yoloV8的语义分割模型
我们在网上随便下载一张图像：
yolo task=segment mode=predict model=weights/yolov8s-seg.pt source=0预测，可能会出错，不用慌，教程没有问题，是你的conda环境有问题，撞库了。
fusedconv.weight.copy_(torch.mm(w_bn, w_conv).view(fusedconv.weight.shape))
RuntimeError: CUDA error: CUBLAS_STATUS_INVALID_VALUE when calling `cublasSgemm( handle, opa, opb, m, n, k, &alpha, a, lda, b, ldb, &beta, c, ldc)`解决办法：
清空运行时库缓存：
unset LD_LIBRARY_PATH
运行成功，我们把source换成我们自己的图像：
成功
