先更新 cuda
1如果之前有需要更新的话需要先删除
2查看 pytorch 支持的 cuda版本
3查看 自己电脑 支持的cuda :nvidia-smi
4最后然后下载合适的 cuda:https://developer.nvidia.com/cuda-toolkit-archive
如有问题 参考：https://zhuanlan.zhihu.com/p/23464877518
5下载python 版本
推荐 3.10
https://www.python.org/downloads/windows/
6下载anaconda ：https://www.anaconda.com/download-success
7最终环境配置：
简单 anaconda 命令大全
电脑终端中
初始化 conda init
-
查看 Conda 版本：conda --version
-
更新 Conda：conda update conda
-
创建虚拟环境：conda create -n env_name python=3.8
-
查看所有虚拟环境：conda env list
-
激活虚拟环境：conda activate env_name
-
退出虚拟环境：conda deactivate
-
删除虚拟环境：conda remove --name env_name --all
步骤 1. 创建并激活一个 conda 环境。
conda create -n mmyolo python=3.10 -y conda activate mmyolo步骤 2. 安装 PyTorch。指定了torch和cuda版本
pip3 install torch==2.0.0 torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118步骤 3. 验证 PyTorch 安装。正确的话，会打印版本信息和 True 字符
python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"安装mmyolo
步骤 0. 使用 MIM 安装 MMEngine、 MMCV 和 MMDetection 。
pip install fsspec sympy==1.13.1 pip install -U openmim mim install "mmengine>=0.6.0" mim install "mmcv>=2.0.0rc4,<2.1.0" mim install "mmdet>=3.0.0,<4.0.0"步骤 1. 安装 MMYOLO
git clone https://github.com/open-mmlab/mmyolo.git cd mmyolo # Install albumentations mim install -r requirements/albu.txt # Install MMYOLO mim install -v -e . # "-v" 指详细说明，或更多的输出 # "-e" 表示在可编辑模式下安装项目，因此对代码所做的任何本地修改都会生效，从而无需重新安装。*这里 我电脑 3060显卡 cuda 12.6 python 3.10 遇到问题1：mim告警 那就不用mim 用pip 问题2 找不到PyTorch 那就修改setup 文件 把 注释掉 from torch.utils.cpp_extension import BuildExtension 修改 cmdclass={'build_ext': BuildExtension}, 为 cmdclass={'build_ext': lambda: type('BuildExtension', (), {'run': lambda self: None})}, 先把 001-NEW-ai-inside-init.patch 放在mmyolo文件下 git apply 0001-NEW-ai-inside-init.patch 让后修改 yolov8_s_syncbn_fast_8xb16-500e_coco.py 文件 路径放入正确的-----data related-----
data_root = './data/ceshi/' # 【必须修改】数据集的根目录路径，请改为你本地的实际路径
train_ann_file = 'annotations/instances_Train.json' # 训练集标注文件路径（相对于data_root）
train_data_prefix = 'images/Train/' # 训练集图像文件路径前缀（相对于data_root）
val_ann_file = 'annotations/instances_Validation.json' # 验证集标注文件路径
val_data_prefix = 'images/Validation/' # 验证集图像文件路径前缀
训练 ：
python tools/train.py configs/yolov8/yolov8_s_syncbn_fast_8xb16-500e_coco.py