Visual stdio2022 opencv cude pytroch与yolov8/可视化工具的环境搭建，不搞VIP，我也要当雷锋

顺序很重要，别瞎搞

vs studio2022

编程小白必看！Visual Studio 2022详细安装使用教程（C/C++编译器）-CSDN博客

pycharm

下载解压软件，这里推荐bandi 推荐三款最好用的压缩/解压软件_好解压-CSDN博客

下载python解释器，这里有两种，一种官方下载Welcome to Python.org但是太慢了，这里作者选择国内的python下载Index of python-local之后安装，要注意path，我的版本是3.10.10，因为后面要和pycharm cude等适配这个版本测试过可以跑起来，按照好后cmd测试一下

opencv部分

接下来下载opencv480，同样官网下载太慢，作者选择并找到了雷锋OpenCV下载/OpenCV国内镜像/opencv_contrib下载_opencv镜像下载-CSDN博客

下载好opencv后进行环境的搭建配置

这三个vs2022中的配置，之后配置系统变量

重启！！

之后可以简单写些读取图像的程序测试一下

#include <opencv2/opencv.hpp>

#include <iostream>

int main(int argc, char** argv) {

// 读取彩色图像作为模板

Mat templateImage = imread("C:/image/1.png");

if (templateImage.empty()) {

cout << "无法读取模板图像" << endl;

return -1;

}

namedWindow("New Image with Differences", WINDOW_AUTOSIZE);

imshow("New Image with Differences", newImage);

waitKey(0);

return 0;

}

之后在cmd pip list 如果没有opencv-python 通过镜像下载pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

opencv-python的依赖已经安装好了在pycharm中进行读取图片测试

要记住的是有可能会报错

需要setting一下正确的python解释器

之后进行测试

复制代码

import cv2 as cv
import numpy as np
image=cv.imread("C:/image/1.png")
cv.imshow("imput",image)
cv.waitKey(0)
cv.destroyAllWindows()

Pytorch部分

Pytorch要基于cuda安装，首先查找本机cuda版本，cmd中nvcc-v，如果出现cuda版本，则根据版本在pytorch中找到对应版本后下载，这里作者从没有搭建 cuda开始。

这篇文章写的很清楚cuda要怎么装CUDA安装教程（超详细）-CSDN博客

安装好后看一下

之后根据我们的CUDA11.6去下载pytorch

最好是安装1.13.1的pytorch兼容性最好，但是作者没有找到这个版本的镜像，所以选了1.13.0，后面使用会报错，需要将Numpy降一下版本。后面会说

国内镜像pip install torch==1.13.0 torchvision==0.14.0 torchaudio==0.13.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

其实只要电脑支持下载什么版本都行但是要注意兼容问题，不然真的很烦，我这个版本尝试过了没问题，所以第一次下载尽量用我这个。

下载好以后测试一下

之后降一下Numpy的版本，有时候没有办法下载要切换一下powershell，方法是：

在CMD窗口中输入powershell并按回车键，即可切换到PowerShell环境。若要从PowerShell切回CMD，输入cmd并回车。

镜像是pip install numpy<2 -i https://pypi.tuna.tsinghua.edu.cn/simple

后面就可以正常使用了，测试一下

复制代码

import torch as t
a=t.tensor([1,2])
b=t.tensor([1,2])
c=a+b
print(c)

yolov8部分

需要安装的依赖

win10 64
python 3.8.x
opencv-python4.6.x
pytorch1.12
CUDA11.3
tensoRT8.4

官网下载https://github.com/ultralytics/ultralytics

作者选择镜像pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple

下载后测试一下

>>> import ultralytics

>>> ultralytics.checks()

如果和作者一样就是安装成功了，我们进一步测试看能否简单识别

首先先建立一个文件夹，用于存储模型和我们的图片

之后进入我们新建的文件夹来下载模型

cd C:\python\my_yolov8_train_demo
yolo predict model=yolov8n.pt source=zidane.jpg
yolo predict model=yolov8n.pt source=zidane.jpg save=True

下载在my_yolov8_train_demo的模型文件和我提前找好的模板

之后运行save=True，会自动生成run文件里面保存生成的文件

NETRON下载

可视化工具的下载，将yolov8n.pt模型导出为ONNX格式

无需多言

Netron下载2025最新pc版_Netron电脑版官方免费下载_华军软件园

下载 onnx onnxslim onnxruntime

镜像 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple onnx onnxslim onnxruntime

import onnx

print(onnx.version)

1.17.0

import onnxslim

print(onnxslim.version)

0.1.48

import onnxruntime

print(onnxruntime.version)

1.21.0

下载成功后执行：yolo export model=yolov8n.pt format=onnx

生成ONNX格式，之后用Netron打开来看模型

下面这个是模型预测

基于ONNX的检测，输入：yolo predict task=detect model=yolov8n.onnx imgsz=640 source=zidane.jpg save=True

可以看出模型没有丢失