环境搭建：工欲善其事，必先利其器

说实话，我见过太多同学在 YOLO 环境上卡了一整天。明明代码没问题，就是跑不起来。嗯，这其实不是你的错，是环境没搭对。

我个人习惯把环境搭建分成四步走：Anaconda → 虚拟环境 → CUDA/cuDNN → PyTorch。每一步都有坑，我踩过，所以帮你提前填上。

2.1 Anaconda：Python 环境管家

为什么非要用 Anaconda？你想想看，YOLO 项目依赖几十个包，版本稍微不对就报错。Anaconda 帮你隔离环境，互不干扰。

下载安装：去官网下载对应系统的安装包。我建议选 Python 3.8+ 的版本，太老或太新都可能出问题。

安装完成后，打开终端验证：

conda --version
# 输出类似：conda 23.7.4

看到版本号，说明 Anaconda 装好了。

2.2 创建虚拟环境：给 YOLO 一个独立空间

我见过有人把所有项目都装在 base 环境里。结果呢？一个项目升级了 PyTorch，另一个项目直接崩了。虚拟环境就是用来解决这个问题的。

创建 YOLO 专属环境：

conda create -n yolo_env python=3.8
conda activate yolo_env

环境名 yolo_env 你可以随便改，但建议见名知意。

命令	作用	常用参数
conda create -n 环境名 python=版本	创建虚拟环境	-n 指定名称
conda activate 环境名	激活环境	进入该环境
conda deactivate	退出环境	回到 base
conda env list	查看所有环境	显示路径

2.3 CUDA 与 cuDNN：GPU 加速的灵魂

说白了，CUDA 是 NVIDIA 的并行计算平台，cuDNN 是专门为深度学习优化的加速库。没有它们，YOLO 只能用 CPU 跑，慢到怀疑人生。

第一步：检查你的显卡

# Windows 打开命令提示符
nvidia-smi

# Linux / macOS
nvidia-smi

输出中会显示 CUDA Version，比如 11.8 或 12.1。这个版本号决定了你能装什么版本的 PyTorch。

第二步：安装 CUDA Toolkit

去 NVIDIA 官网下载对应版本的 CUDA Toolkit。我建议选 CUDA 11.8，兼容性最好，YOLOv8 官方测试也是基于这个版本。

第三步：配置 cuDNN

cuDNN 需要注册 NVIDIA 开发者账号才能下载。下载后解压，把三个文件夹（bin、include、lib）复制到 CUDA 安装目录下。

Windows 默认路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8

验证 cuDNN 是否生效：

# 查看 cuDNN 版本
cat "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include\cudnn_version.h" | find "CUDNN_MAJOR"

看到版本号，说明 cuDNN 配置成功。

2.4 PyTorch 安装：最后一步

PyTorch 的安装命令，官网会帮你生成。去 pytorch.org，选择你的配置：

• PyTorch Build：Stable（稳定版）
• Your OS：Windows / Linux / macOS
• Package：Pip 或 Conda（我推荐 Pip）
• CUDA：选择你刚才装的版本，比如 11.8

生成的命令类似：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

安装完成后，验证环境：

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

输出示例：

2.1.0+cu118
True

True 代表 GPU 可用，环境搭建成功。

2.5 常见问题与避坑指南

问题	原因	解决方案
torch.cuda.is_available() 返回 False	CUDA 版本不匹配 / 没装 GPU 版 PyTorch	检查 CUDA 版本，重新安装对应 PyTorch
安装速度慢 / 超时	默认源在国外	换国内镜像源：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple
conda 命令找不到	没加到 PATH	手动添加 Anaconda 的 Scripts 目录到环境变量
nvidia-smi 报错	显卡驱动没装 / 版本太老	去 NVIDIA 官网更新驱动