本文介绍GPU下YOLO8目标跟踪 任务环境配置、也即GPU下YOLO8目标检测任务环境配置。
YOLO8不仅仅可以实现目标检测，其还内置有Byte-Tracker、Bot-Tracker多目标跟踪算法。可以实现行人追踪统计、车流量跟踪统计等功能。值得注意的是Byte-Tracker、Bot-Tracker多目标跟踪算法的检测结果特别依赖目标检测的结果，说白了，就是YOLO内置的两种目标跟踪算法是建立在目标检测之上，比目标检测更耗费算力。YOLO做目标检测任务使用CPU也可以跑出一个不低的FPS，但是目标跟踪不行，用CPU跑，FPS非常低，特别是CPU性能不好的情况下，就像卡住一样。因此尽量还是使用GPU（或者NPU）跑目标跟踪任务。
目录
1.检查显卡及驱动
在电脑上配置GPU环境下的目标跟踪（或者目标检测）运行环境，需要我们的电脑有英伟达显卡，注意必须是英伟达独立显卡，不是AMD显卡，更不是集成显卡。
在windows电脑的设备管理器可以查看显卡型号，比如我的笔记本电脑有一张NVIDIA RTX 3060
确认好显卡是NVIDIA显卡之后。需要为显卡安装显卡驱动，如果你不确定电脑上是否安装了显卡驱动，打开命令行窗口，输入 nvidia-smi 如果有返回则证明显卡驱动安装无误，否则显卡驱动没有安装或者型号不匹配，限于文章篇幅，本篇文章对显卡驱动安装不做详细介绍，需要大家自行搜索相关教程安装显卡驱动，这方面网上教程非常多。
2、创建anaconda环境，安装pytorch
其实，也不必非要使用anaconda，但是就我个人的惨痛教训来说，强烈大家使用anaconda为项目创建一个新环境，这样可以避免环境冲突，省去不少的麻烦。限于本文篇幅，如果你的电脑上没有安装anaconda(或者miniconda)，可以自行搜索相关教程。并配置好环境变量，最好把anaconda换成国内源。
下面，在anaconda环境下新建一个环境。可以使用命令行(前提是配置好anaconda环境变量)，当然也可以使用 Anaconda Prompt（推荐使用这种方式）
然后输入下面的命令新建一个名为yolo8的环境,python版本指定为3.10(当然，你可以按照自己的需求指定Python版本或者conda环境名)
conda create -n yolo8 python==3.10
创建好环境之后，将anaconda由base环境切换到刚刚新建好的yolo8环境
conda activate yolo8
切换到对应的conda环境之后，下面安装GPU版本的pytorch。不就是安装Pytorch吗？直接conda install pytorch 或者 pip install pytorch不就好了？如果这样做的话，就安装错了，这样安装的是cpu版本的pytorch并且没有为yolo8安装cuda工具包(运行时环境) 。
我们需要执行下面的命令之一，为yolo8的conda环境正确安装gpu版本的pytorch。在执行下面的命令之前，我们需要仔细确认自己电脑的英伟达显卡驱动支持的最高cuda版本。具体做法是，命令行窗口输入nvidia-smi，返回的 CUDA Version即为支持的CUDA最高版本。
可以看到，本人电脑的显卡驱动所支持的最高 CUDA版本是11.7。那么我们需要去pytorch官网找到与cuda 11.7版本对应的命令或者比CUDA11.7低的安装命令
如上面截图所示，这个页面上可以让我们选择安装方式（conda安装、pip安装....）对应的OS版本、CUDA版本等等，页面会自动生成安装命令。但是上面的页面所显示的支持CUDA 11.8和 CUDA12.1，没有我们想要的CUDA11.7，那么我们就需要进入pytorch的历史版本页面
进入页面后,如下面的截图所示，我们直接复制命令执行了就好了
可以看到CUDA11.7对应的conda 安装方式 的命令是这样的:
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia我们直接复制，在yolo8的conda环境下执行:
当然我们还可以选择pip命令安装，直接从页面复制命令在命令行窗口执行（注意，conda安装、pip安装两种方式任选其一即可，不可重复）
当然，由于我们电脑显卡驱动所支持的最高CUDA版本是11.7，我完全还可以在pytorch官网选择CUDA11.6 CUDA11.3 的安装命令，切记只低不高，但最好对应。
又比如，一个电脑英伟达显卡驱动所支持的CUDA版本为11.3
我们将Pytorch历史版本界面一直向下翻，直到找到为止。
3.安装ultralytics库
选择conda或者pip安装好GPU版本的pytorch之后，我们继续为名为yolo8的conda环境安装必要的pip包,我们直接执行下面的命令，安装Yolo8的源码也自动为我们安装全部依赖(opencv、numpy等等)
pip install ultralytics自此， GPU下YOLO8目标跟踪、 目标检测任务环境配置，全部完成。