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
2024最新PyCharm下载安装配置教程，软件安装看这篇就够了！_pycharm安装-CSDN博客
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
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
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