3、环境搭建：Python、PyTorch/TensorFlow、OpenCV、CUDA等开发环境配置，以及GPU加速与依赖安装

智慧工厂安全生产AI系统的开发，本质上是一个将计算机视觉模型部署到工业现场的工程实践。无论是人员闯入检测、安全帽佩戴识别，还是危险区域告警，其底层都依赖深度学习框架进行模型训练与推理，依赖OpenCV进行图像预处理与后处理，依赖CUDA生态调用GPU算力。一个混乱、版本冲突、缺乏GPU加速的开发环境，往往会让算法工程师花费大量时间在“环境排障”而非“算法调优”上。本章将系统讲解从Python基础环境到深度学习框架、再到GPU加速的完整搭建流程，并针对工业现场常见的环境问题给出可落地的解决方案。

3.1 环境搭建的核心原理：版本兼容性是第一优先级

智慧工厂AI环境搭建并非简单的“安装软件”，而是一个涉及操作系统、GPU驱动、CUDA运行时、深度学习框架、Python解释器、图像处理库等多层依赖的复杂系统工程。其核心原理可以概括为“自底向上、逐层匹配、版本锁定”。底层是NVIDIA显卡驱动（Driver），它直接与GPU硬件通信；驱动之上是CUDA Toolkit，它提供了GPU编程的API和运行时库；再往上是cuDNN，它是针对深度神经网络计算优化的加速库；最上层才是PyTorch或TensorFlow等框架，以及OpenCV等图像处理库。每一层都对下一层有版本要求，例如PyTorch 2.0可能要求CUDA 11.7以上，而CUDA 11.7又要求驱动版本不低于515。如果驱动版本过旧，即使安装了最新版的PyTorch，也无法调用GPU。

在实际的智慧工厂项目中，我们通常建议采用“先定框架、再定CUDA、最后定驱动”的逆向选择策略。也就是说，先根据算法选型确定PyTorch或TensorFlow的版本，然后查阅该框架官方文档中声明的CUDA版本要求，最后根据CUDA版本去NVIDIA官网选择对应的驱动版本。这种策略可以避免“装了最新驱动却找不到匹配CUDA”的尴尬局面。此外，Python版本同样不可忽视，PyTorch 2.x要求Python 3.8-3.11，而TensorFlow 2.10以上版本对Python 3.11的支持尚不完善，建议使用Python 3.9或3.10作为折中选择。

3.2 操作流程：从零到可用的完整配置步骤

下面以一套经过验证的推荐组合为例，给出详细的操作流程。该组合适用于人员闯入检测、安全帽识别等典型的YOLO系列模型训练与推理场景。

步骤一：安装NVIDIA驱动

# 首先卸载旧驱动
sudo apt-get purge nvidia-* -y
# 添加NVIDIA官方PPA源
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
# 安装推荐驱动
sudo apt-get install nvidia-driver-525
# 重启后验证
nvidia-smi

执行nvidia-smi后，应能看到GPU型号、驱动版本以及CUDA版本信息。注意，这里的CUDA版本是驱动支持的最高版本，并不代表已安装CUDA Toolkit。

步骤二：安装CUDA Toolkit与cuDNN

# 下载CUDA 11.8 runfile（推荐，避免与系统库冲突）
wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
sudo sh cuda_11.8.0_520.61.05_linux.run --toolkit --silent --override
# 配置环境变量
echo 'export PATH=/usr/local/cuda-11.8/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc
# 验证
nvcc -V

cuDNN的安装需要从NVIDIA官网下载（需注册账号），下载对应CUDA 11.8的deb包或tar包。推荐使用tar包方式，便于管理：

tar -xzvf cudnn-linux-x86_64-8.6.0.163_cuda11-archive.tar.xz
sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda-11.8/include/
sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda-11.8/lib64/
sudo chmod a+r /usr/local/cuda-11.8/lib64/libcudnn*

步骤三：创建Python虚拟环境并安装框架

# 安装Python 3.9（如系统未自带）
sudo apt-get install python3.9 python3.9-dev python3.9-venv
# 创建虚拟环境
python3.9 -m venv factory_ai_env
source factory_ai_env/bin/activate
# 安装PyTorch（使用官方CUDA 11.7版本）
pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117
# 安装OpenCV与常用库
pip install opencv-python==4.8.0.74 opencv-contrib-python==4.8.0.74
pip install numpy pandas matplotlib scikit-learn tqdm
# 验证GPU可用性
python -c "import torch; print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0))"

如果输出True和GPU型号名称，说明环境搭建成功。此时可以运行一个简单的张量计算来验证GPU加速是否生效：

import torch
x = torch.rand(1000, 1000).cuda()
y = torch.mm(x, x)
print(y.sum().item())

3.3 案例拆解：某汽车零部件工厂的安全帽检测环境搭建实战

某汽车零部件工厂需要在冲压车间部署安全帽检测系统，车间有4路高清摄像头，要求实时检测（延迟小于200ms），并具备模型持续训练能力。工厂现有服务器配置为：Intel Xeon Silver 4210 CPU、32GB内存、NVIDIA RTX 3080 GPU（10GB显存）、Ubuntu 18.04系统。

初始现象与约束：服务器原本安装了CUDA 10.2和TensorFlow 1.14，用于旧版缺陷检测系统。新项目需要同时使用PyTorch（用于YOLOv5训练）和TensorFlow（用于旧系统维护），且不能影响正在运行的旧系统。

分析判断过程：首先，RTX 3080显卡的Ampere架构要求CUDA 11.0以上，旧版CUDA 10.2无法发挥其全部算力。其次，Ubuntu 18.04的默认gcc版本为7.5，而CUDA 11.8要求gcc 9以上，需要升级gcc。最后，由于新旧系统共存，必须使用虚拟环境隔离，且不能全局升级驱动（旧系统依赖当前驱动版本）。

实际操作步骤：

1. 备份旧系统环境：使用conda env export导出TensorFlow 1.14环境的完整依赖列表。
2. 升级gcc至9.4：sudo apt-get install gcc-9 g++-9，并设置优先级。
3. 安装NVIDIA驱动470.129.06（该版本同时支持CUDA 11.4和旧系统的CUDA 10.2兼容模式）。
4. 使用conda创建两个独立环境：tf114_env（Python 3.6 + TensorFlow 1.14）和pytorch_env（Python 3.9 + PyTorch 1.13 + CUDA 11.7）。
5. 在pytorch_env中安装OpenCV 4.8，并编译支持GPU的版本（启用CUDA模块）。
6. 编写测试脚本，同时验证两个环境下的GPU利用率，确保互不干扰。

结果对比：新环境搭建完成后，YOLOv5s模型在RTX 3080上的推理速度达到约3ms/帧（640x640输入），远低于200ms的延迟要求。训练速度相比旧环境提升了约4倍（从0.8小时/epoch降至0.2小时/epoch）。旧系统在迁移后运行稳定，未出现性能下降。

风险与代价：整个迁移过程耗时约2天，主要时间花费在驱动版本选择和gcc升级上。由于新旧环境共存，磁盘空间额外占用了约15GB。复盘经验是：在工业场景中，环境隔离不是可选项而是必选项，且驱动版本的选择应遵循“满足最高需求、兼容最低需求”的原则。

3.4 常见误区与总结复盘

在智慧工厂AI环境搭建中，以下误区最为常见，需要特别警惕：

• 误区一：盲目追求最新版本。最新版PyTorch或TensorFlow往往需要最新的CUDA和驱动，而工业现场的硬件可能不支持。例如，老旧的GTX 1080显卡不支持CUDA 12.0，强行安装会导致无法调用GPU。
• 误区二：忽略cuDNN的匹配。cuDNN版本与CUDA版本必须严格对应，否则会出现“找不到libcudnn.so”或“undefined symbol”等诡异错误。建议使用ldd命令检查动态库依赖。
• 误区三：OpenCV使用默认安装。默认的pip install opencv-python不包含CUDA支持，无法利用GPU进行图像处理。对于视频流解码、图像缩放等操作，CPU版本会占用大量资源。需要从源码编译OpenCV，启用WITH_CUDA=ON。
• 误区四：忽视显存管理。在训练和推理同时进行时，显存可能不足。建议使用torch.cuda.set_per_process_memory_fraction()限制显存占用，或使用NVIDIA Triton等推理服务器进行显存动态分配。

总结复盘：一个健壮的智慧工厂AI环境应具备以下特征：可复现性（通过requirements.txt或Docker镜像锁定版本）、可隔离性（多项目互不干扰）、可监控性（通过nvidia-smi或Prometheus监控GPU状态）、可扩展性（预留GPU算力扩展空间）。建议团队在项目初期就建立环境搭建的标准化文档，并制作Docker镜像作为基础镜像，这样新成员加入时只需拉取镜像即可开始开发，无需重复搭建环境。对于生产环境，强烈推荐使用Docker + NVIDIA Container Toolkit，将环境与宿主机完全隔离，同时保留GPU直通能力。