2、环境搭建与工程准备：Ubuntu + CUDA + CUDNN环境配置、PyTorch与TorchVision安装、YOLOv10源码下载与依赖安装、数据集准备（COCO格式说明）

说实话，搞深度学习环境配置这件事，我踩过的坑比写过的代码还多。记得刚入行那会儿，配个CUDA能折腾一整天，最后发现是驱动版本不对。嗯，这节课咱们就把这些坑提前填上，让你能顺顺利利跑起YOLOv10。

2.1 Ubuntu系统基础环境

我个人习惯用Ubuntu 20.04或22.04 LTS。为什么？因为生态最成熟，遇到问题随便一搜就有答案。你非要用18.04也行，但有些新库可能不支持了。

装好系统后，第一件事就是更新软件源：

sudo apt update
sudo apt upgrade -y
sudo apt install build-essential cmake git wget curl -y

这几个基础工具缺一不可。build-essential包含了gcc/g++编译器，cmake是编译必备，git用来拉代码。我在项目里遇到过有人没装build-essential直接装PyTorch，结果编译报错一脸懵——其实就是缺了编译器。

2.2 CUDA与CUDNN安装

这是整个环境里最容易出问题的环节。我建议你装之前先确认一下显卡型号：

lspci | grep -i nvidia

然后去NVIDIA官网查一下你的显卡支持哪个CUDA版本。YOLOv10官方推荐CUDA 11.8，我个人也推荐这个版本，兼容性最好。

安装步骤：

1. 下载CUDA 11.8 runfile（别用deb包，runfile更可控）
2. 执行安装，不要装驱动（系统自带的NVIDIA驱动就够了）
3. 配置环境变量

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

验证安装：

nvcc --version
# 应该输出 Cuda compilation tools, release 11.8

CUDNN就简单多了，下载对应CUDA 11.8的deb包，或者直接复制文件：

sudo cp cudnn-linux-x86_64-8.9.7.29_cuda11-archive/include/cudnn*.h /usr/local/cuda-11.8/include/
sudo cp cudnn-linux-x86_64-8.9.7.29_cuda11-archive/lib/libcudnn* /usr/local/cuda-11.8/lib64/
sudo chmod a+r /usr/local/cuda-11.8/include/cudnn*.h /usr/local/cuda-11.8/lib64/libcudnn*

2.3 PyTorch与TorchVision安装

这里有个小技巧：用pip安装时一定要指定版本号，不要装latest。YOLOv10官方推荐PyTorch 2.0.1 + torchvision 0.15.2：

pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cu118

conda create -n yolov10 python=3.10
conda activate yolov10
pip install torch==2.0.1 torchvision==0.15.2 --index-url https://download.pytorch.org/whl/cu118

验证PyTorch能否调用GPU：

python -c "import torch; print(torch.cuda.is_available()); print(torch.__version__)"
# 输出 True 和 2.0.1 就对了

2.4 YOLOv10源码下载与依赖安装

从GitHub拉代码：

git clone https://github.com/THU-MIG/yolov10.git
cd yolov10

安装依赖：

pip install -r requirements.txt

requirements.txt里包含了ultralytics、opencv-python、matplotlib这些常用库。不过我发现有时候会漏掉一些包，建议再手动补几个：

pip install seaborn thop pycocotools

pycocotools这个库特别重要，后面评估模型全靠它。我在Windows上装这个库踩过坑，Linux下倒是很顺利。

2.5 数据集准备与COCO格式说明

YOLOv10默认使用COCO数据集格式。说白了，就是每张图片配一个同名的txt标注文件。咱们来看看具体长什么样：

每个txt文件里，一行代表一个目标，格式是：

<class_id> <x_center> <y_center> <width> <height>

注意！这里的坐标都是归一化到[0,1]的。x_center和y_center是目标中心点相对于图片宽高的比例，width和height是目标宽高相对于图片宽高的比例。

举个例子，一张640x480的图片里，有个目标中心在(320, 240)，宽160，高120，类别是0：

0 0.5 0.5 0.25 0.25

为什么会用归一化坐标？说白了就是为了适配不同分辨率的图片。你训练时用640x640，部署时用1280x1280，标注文件不用改，模型自己会处理。

datasets/
└── coco/
    ├── images/
    │   ├── train2017/    # 118287张训练图
    │   └── val2017/      # 5000张验证图
    ├── labels/
    │   ├── train2017/    # 对应的标注文件
    │   └── val2017/
    └── train2017.txt     # 训练集图片路径列表
    └── val2017.txt       # 验证集图片路径列表

如果你要用自己的数据集，需要写个脚本把标注转成这个格式。我一般用Python的json库解析原始标注，然后逐行写入txt。这里有个坑：类别ID必须从0开始连续编号，不能跳号。我曾经有个数据集类别是[0, 2, 5]，结果训练时loss直接炸了——YOLO的类别索引是连续的，跳号会导致维度不匹配。

2.6 环境验证：跑个demo试试

装完所有东西，咱们跑个推理验证一下：

# 下载预训练权重
wget https://github.com/THU-MIG/yolov10/releases/download/v1.0/yolov10n.pt

# 跑推理
python detect.py --weights yolov10n.pt --source data/images/bus.jpg

如果能看到检测结果输出，恭喜你，环境搭建成功了！

好了，环境搭好了，下一节咱们就开始研究YOLOv10的网络结构了。说实话，这部分才是真正有意思的地方。