PREFACE

创建python12解释器

conda create -n py12 python=3.12

根据提示将解释器目录从conda/envs/py12目录复制到COMP9517目录

安装yolo依赖

pyproject.toml 中存储有py项目依赖信息

C:\Users\amber\Desktop\COMP9517目录下cmd执行命令

C:\Users\amber\Desktop\COMP9517\py12\python.exe -m pip install .

安装pytorch

我们肯定选择GPU版本，否则训练图片若CPU，时间太长

https://pytorch.org/

我们的cuda是12.4所以直接用pip方式弄

执行命令

C:\Users\amber\Desktop\COMP9517\py12\python.exe -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

安装完后确认下torch是否调用显卡：完美

>>> import torch
>>> print("CUDA is available:", torch.cuda.is_available())
CUDA is available: True

安装cuda

nvidia control panel说我本机显卡版本12.5.85

又因为pytorch官方说cuda 12.4比较合适

所以安装cuda我要12.4

cuda12.4下载链接

https://developer.nvidia.com/cuda-12-4-0-download-archive?target_os=Windows&target_arch=x86_64&target_version=11&target_type=exe_local

安装到 D:\cuda12\

安装完毕

新打开一个cmd

执行命令

nvidia-smi

NVCC –version

可以看到显卡可以正常被调用了

这里说cuda version是12.5,有点奇怪，因为我们安装的是12.4。如果之后安装pytorch不影响使用，这个小问题就忽略。

使用yolo训练图片

首先确认，我们电脑只有一个显卡目前，device号是0

yolo.exe的命令位置如下 C:\Users\amber\Desktop\COMP9517\py12\Scripts\yolo.exe

之后使用该命令直接绝对路径调用，直接把yolo命令写如bat文件

然后cmd中运行这个bat命令

torch版本过高，换了一个低的

该死，失败

---

Welcome to point out the mistakes and faults!