预计会用三篇文章完成YOLOv10的学习记录
前段时间参加比赛，跟着网上视频学习了一下yolo，yolov10也更新了好长时间了，想试着再尝试学习一下。
软硬件环境
win11家庭版，NVIDIA GeForce RTX 3050
一.环境的搭建
1.anaconda的下载与安装
1.因为我们使用的是yolo的python代码，这个软件能提供我们需要的python虚拟环境，同时这个软件最重要的是能帮助我们更方便的管理python环境
官网链接：Download Anaconda Distribution | Anaconda
下载链接：
2.下载好我们需要的安装包，双击
我用的自己的电脑所以just me就好，如果你使用的设备多人使用的话可以选择all users,区别的话？多了是否需要添加path这一步？请自行斟酌选择
just me:
all users:
3.选择好自己想要安装的位置后，选择next
4.勾选path，这一步能自动添加环境变量
5.然后一路next就好
6.取消勾选next，finish结束
检查一下环境变量
6.如果没能自动添加环境变量添加环境变量，下面的这些可以参考手动添加一下
默认安装目录：
C:\ProgramData\anaconda3
C:\ProgramData\anaconda3\Scripts
C:\ProgramData\anaconda3\Library\usr\bin
C:\ProgramData\anaconda3\Library\mingw-w64\bin
C:\ProgramData\anaconda3\Library\bin
自己的安装目录，需要根据自己的安装目录更改：
D:\app\anaconda3
D:\app\anaconda3\Library\mingw-w64\bin
D:\app\anaconda3\Library\usr\bin
D:\app\anaconda3\Library\bin
D:\app\anaconda3\Scripts验证安装：
cmd输入
conda list
如果出现以上情况，则anaconda安装并配置成功
2.vscode的安装与配置
下载：Download Visual Studio Code - Mac, Linux, Windows
1.双击安装：
2.点我同意，然后一路next
3.务必勾选“添加PATH（重启后生效）”，否则需要手动添加变量
4.双击打开后，点击扩展并安装我们所需要的插件
5.重启，Ctrl+shift+p，点击选择解释器
6.点击conda
打开vscode，因为我们使用YOLOv10的代码，所以以YOLOv10官网安装建议创建虚拟环境，终端输入
conda create -n yolov10 python=3.9
conda activate yolov10
pip install -r requirements.txt
pip install -e .激活环境，激活现象是括号内应该是你创建的环境的名称
如果未激活，且之前的anaconda环境变量设置无误，则需要继续更改设置
以管理员打开powershell 输入：
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned输入 y ,回车 再打开终端即可成功激活环境
安装anaconda并配置vscode结束
二.pytorch以及cuda的安装
至2024年8月10日pytorch最新支持到cuda的12.4版本，而cuda已经更新至12.6，版本不兼容无法调用GPU，需要我们注意
1.cuda的选择与安装
因为pytorch最新支持到cuda12.4 所以我们需要安装cuda12.4
1.打开NVIDIA控制面板>>>系统信息>>>组件
就这个：
可以看到我的是nvduda64.dll NVIDIA cuda 12.6.41 driver
2.进官网，选择相应的cuda,选择版本应该=>自己的版本NVIDIA cuda 12.6.41 driver：CUDA Toolkit Archive | NVIDIA Developer
3.选择本地exe安装
4.双击安装包，自定义设置，勾选组件：
继续点下一步
点击关闭，安装结束
验证：cmd输入
最高版本：nvidia-smi
当前版本：nvcc --version结果：
安装完毕
2.pytorch的选择与安装
官网：PyTorch
下载包：Previous PyTorch Versions | PyTorch
1.选择适合自己的框架安装包
2.接下里我们安装pytorch，打开vscode
终端中输入：
conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia等安装
3.安装cudnn（非必须）
网址：https://developer.nvidia.com/cudnn-downloads?target_os=Windows
多版本：cuDNN Archive | NVIDIA Developer
下载的是一个压缩包，解压至你想保存的位置，并将解压的目录中的bin目录添加到环境变量里的系统变量path里面
这是我解压的bin文件夹位置：D:\app\cudnn\bin
验证是否成功：
找到你的这个目录，并将下面的变量添加到环境变量里的系统变量path里面
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\extras\demo_suite
打开cmd，分别输入
bandwidthTest.exe
和
deviceQuery.exe结果：
至此，我们整个环境的搭建完成了！
我们整个来测试一下是否能使用，打开VScode，激活我们之前在conda里创建的名为yolov10的虚拟环境，并尝试调用我们GPU
激活环境：
(base) PS C:\Users\77002> conda activate yolov10
激活Python环境：
(yolov10) PS C:\Users\77002> python
Python 3.9.19 (main, May 6 2024, 20:12:36) [MSC v.1916 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
查看pytorch版本
>>> import torch
>>> print(torch.__version__)
2.4.0
查看pytorch是否能调用gpu
>>> import torch
>>> torch.cuda.is_available()
True
>>> 返回值为true则配置成功，反之，则可能下载成了CPU版的pytorch
好了，整个YOLO10算法环境搭建与配置指南篇完结，后续的训练模型、调试代码及设计UI界面篇会逐步更新，如果有问题，欢迎朋友们指正留言，谢谢