第2章：环境搭建与工具链准备

做模型压缩，环境搭不对，后面全白费。这话听起来有点，但我在项目里确实见过太多人卡在第一步——不是CUDA版本对不上，就是ONNX导出报一堆莫名其妙的错。今天咱们就把这套工具链捋顺了。

2.1 Python虚拟环境：隔离是美德

我个人习惯，每个项目都开独立的虚拟环境。你想想看，YOLOv11依赖的PyTorch版本可能跟其他项目冲突，到时候哭都来不及。

# 创建Python 3.10环境
conda create -n yolov11_compress python=3.10 -y

# 激活环境
conda activate yolov11_compress

# 验证Python版本
python --version   # 确保输出 3.10.x

为什么选3.10？我在2024年初踩过一个坑——PyTorch 2.x对Python 3.12的支持当时还不稳定，ONNX导出时内存泄漏。3.10是经过验证的稳定版本。

2.2 PyTorch与CUDA：版本匹配是核心

说白了，PyTorch和CUDA的版本就像钥匙和锁，配不上就开不了门。我建议直接用PyTorch官方推荐的组合。

组件	推荐版本	说明
PyTorch	2.1.0+cu121	支持torch.fx，剪枝必备
CUDA Toolkit	12.1	与PyTorch cu121对应
cuDNN	8.9.7	配合CUDA 12.1
GPU驱动	≥535.54	支持CUDA 12.x

# 安装PyTorch 2.1.0 + CUDA 12.1
pip install torch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 --index-url https://download.pytorch.org/whl/cu121

# 验证GPU可用
python -c "import torch; print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0))"

如果输出 True 和你的显卡型号，恭喜，环境通了。如果输出 False，嗯，检查驱动和CUDA版本吧。

2.3 YOLOv11源码下载：选对分支

YOLOv11目前还在快速迭代，我建议直接从Ultralytics官方仓库拉最新稳定版。

# 克隆仓库
git clone https://github.com/ultralytics/ultralytics.git
cd ultralytics

# 切到稳定分支（我写稿时是v8.3.0）
git checkout tags/v8.3.0 -b v8.3.0

# 安装ultralytics包（包含YOLOv11）
pip install -e .

2.4 依赖库安装：ONNX、OpenVINO、ONNXRuntime

这些库是模型压缩的"翻译官"。ONNX负责把PyTorch模型转成中间格式，OpenVINO做推理优化，ONNXRuntime做验证。

# 安装ONNX相关
pip install onnx==1.16.0 onnxruntime-gpu==1.18.0

# 安装OpenVINO
pip install openvino==2024.1.0 openvino-dev==2024.1.0

# 安装其他辅助库
pip install onnxsim onnxoptimizer protobuf==3.20.3

2.5 验证工具链：跑一个完整流程

环境搭完别急着走，跑个最小验证，确保所有环节能串起来。

# 1. 导出ONNX模型
yolo export model=yolov11n.pt format=onnx

# 2. 用ONNXRuntime推理验证
python -c "
import onnxruntime as ort
import numpy as np
session = ort.InferenceSession('yolov11n.onnx')
input_name = session.get_inputs()[0].name
output = session.run(None, {input_name: np.random.randn(1,3,640,640).astype(np.float32)})
print('ONNX推理成功，输出shape:', output[0].shape)
"

# 3. 用OpenVINO转换
mo --input_model yolov11n.onnx --output_dir ./openvino_model

# 4. 验证OpenVINO推理
python -c "
from openvino.runtime import Core
core = Core()
model = core.read_model('./openvino_model/yolov11n.xml')
compiled = core.compile_model(model, 'CPU')
print('OpenVINO模型加载成功')
"

如果以上四步都通过，你的工具链就齐活了。我在项目里用这套流程验证过不下20次，基本没出过岔子。

2.6 本章知识体系

下面这张图帮你理清整个环境搭建的逻辑关系：