基于yolov8道路病害的检测与评估

1 安装yolov8并使用

1.下载后：

2.选择为所有用户安装

3.选择一个合适的目录

4.第一个是自动添加环境变量，我们用默认的第二个后边手动添加

5.等待安装

1.1 安装anconda并配置环境变量

安装完成anconda之后,主要用的两个为Anaconda Prompt 和Anaconda Navigator
Anaconda Prompt 就是我们的cmd，打开后如下：
在创建并配置对应的虚拟环境之前需要安装cuda，cuda是显卡厂商 NVIDIA 推出的运算平台。

1.2 配置yolo环境

下载CUDA
查看你的显卡对应的CUDA版本，我的是12.3；使用链接传送门选择你适合的版本
下载cudnn
直接传送门，然后安装的部分推荐直接看传送门
下载pytorch(gpu)
需要下载使用gpu的pytorch，cuda是12.3版本可以兼容12.1的,传送门

# 如果之前安装过cpu版本的pytorch使用一下步骤：
# 查看当前虚拟环境中已有的软件包
conda list 
# 从虚拟环境中删除包
conda remove package_name
# 或者
pip uninstall package_name
# 附上下载命令，pip与conda最好是使用一个，不要串用，不然可能造成pytorch与torchversion版本不一致
# 如果造成了不一致，以torch.__version为主;
# 推荐，使用conda虚拟环境时应该尽量使用conda安装相应的包
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia
# 或者（不推荐，conda与pip尽量不要一起使用）
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

验证torch-gpu是否可用：

import torch
import torchvision

# ☆如果出现0.16.2+cu121，类似这种，就没问题，代表你pytorch可以使用gpu加速。

# print(torch.cuda.device_count())
print(torch.__version__)
print(torchvision.__version__)

print(torch.cuda.device_count())  #查看可用的CUDA数量

# 检查torch是否有CUDA支持，即是否能用GPU
print(torch.cuda.is_available())

# 如果CUDA可用，它还会打印出当前默认的CUDA设备（通常是第一个GPU）
if torch.cuda.is_available():
    print(torch.cuda.get_device_name(0))
print(torch.version.cuda)

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print(device)

如果是类似下边结果，说明没有问题：