第2章 深度学习环境搭建：Anaconda与Python环境配置、PyTorch与CUDA安装、YOLOv8源码下载与依赖安装

说实话，环境搭建这事儿，看着简单，但坑是真不少。我带过不少新人，第一周全卡在配环境上。我自己也翻过车——有一次急着给客户演示，结果CUDA版本没对上，模型死活跑不起来，现场那个尴尬……

所以这一章，咱们把每一步都走稳。你跟着我来，半小时内搞定。

2.1 整体流程概览

先看下我们要做什么，心里有个谱：

2.2 安装Anaconda

Anaconda 是 Python 环境管理的瑞士军刀。我个人习惯用 Miniconda——轻量，够用，不占空间。但如果你是新手，直接上 Anaconda 也行，省心。

下载地址：官网或清华镜像站（国内快很多）。

安装要点：

• Windows 用户记得勾选「Add Anaconda to PATH」——虽然安装程序会警告，但勾上省事。
• Linux 用户直接 bash 执行 .sh 文件，一路 yes 就行。
• 安装完后打开终端（或 Anaconda Prompt），输入 conda --version 验证。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

2.3 创建Python虚拟环境

为什么要用虚拟环境？说白了，就是隔离。你同时做两个项目，一个用 PyTorch 1.13，一个用 2.0，没有虚拟环境就等着冲突吧。

我一般这样创建：

conda create -n yolov8_env python=3.9 -y
conda activate yolov8_env

Python 版本选 3.8-3.11 都行。YOLOv8 官方推荐 3.9 或 3.10，我实测 3.9 最稳。

2.4 安装CUDA与cuDNN

这一步是很多人的噩梦。其实没那么玄乎，核心就一句话：你的显卡驱动决定了你能装什么版本的CUDA。

先查驱动：

• Windows：命令行输入 nvidia-smi，看右上角「CUDA Version」。
• Linux：同样 nvidia-smi，或者 nvcc --version。

比如你看到 CUDA Version: 12.1，那你就装 CUDA 12.x 系列的版本。

CUDA 安装步骤：

1. 去 NVIDIA 官网下载对应版本的 CUDA Toolkit。
2. Windows 选 exe (local) 版本，Linux 选 runfile 或 deb。
3. 安装时注意：Windows 默认路径别改，Linux 记得加环境变量。

cuDNN 安装：

cuDNN 是 CUDA 的神经网络加速库。下载需要注册 NVIDIA 账号，但免费。

• 下载对应 CUDA 版本的 cuDNN。
• 解压后把 bin、include、lib 文件夹复制到 CUDA 安装目录下。
• Windows 默认路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.x\

nvcc --version
# 应该显示你的CUDA版本号

2.5 安装PyTorch

PyTorch 安装是环境搭建中最爽的一步——因为就一行命令。但前提是你前面 CUDA 装对了。

去 PyTorch 官网（pytorch.org），选择你的配置：

比如我装 CUDA 12.1，命令就是：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

验证安装：

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"

如果输出 True，恭喜你，GPU 环境通了！

2.6 下载YOLOv8源码

YOLOv8 是 Ultralytics 公司开源的。下载方式有两种：

方式一：git clone（推荐）

git clone https://github.com/ultralytics/ultralytics.git
cd ultralytics

方式二：直接下载 ZIP

去 GitHub 页面点「Code」→「Download ZIP」，解压就行。

我个人习惯用 git clone，方便后续更新：git pull 一下就同步最新代码了。

2.7 安装依赖

YOLOv8 的依赖都写在 requirements.txt 里。安装命令：

pip install -r requirements.txt

核心依赖包括：

• torch：我们已经装过了，但 requirements 里会再确认版本。
• opencv-python：图像处理必备。
• matplotlib：画图用。
• numpy：科学计算基础库。
• pillow：图像读写。
• tqdm：进度条，训练时看着舒服。

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

2.8 验证环境

最后一步，跑个简单的测试，确保一切正常：

# 在 ultralytics 目录下
python -c "from ultralytics import YOLO; model = YOLO('yolov8n.pt'); print('环境配置成功！')"

如果没报错，说明环境搭建完成。如果报错，别慌——

常见问题排查：