⬇

分析后觉得适合cuda12.4（CUDA Toolkit Archive | NVIDIA Developer）下载

⬇

⬇

下载cudnn（cuDNN Archive | NVIDIA Developer）选了8.9.7

⬇

⬇

安装cuda

管理员运行

⬇

⬇

安装完后

重启电脑 -> 验证 nvcc --version

⬇

重启后再进行文件复制！！！是复制 文件，不是复制整个文件夹

⬇

⬇

⬇

验证cuda

⬇

管理员打开cmd

安装PyTorch(GPU版本

清华大学源pip install torch torchvision torchaudio --index-url https://pypi.tuna.tsinghua.edu.cn/simple/

⬇

验证

python -c "import torch; print('PyTorch版本:', torch.__version__); print('CUDA是否可用:', torch.cuda.is_available())"

⬇

 创建 Python 3.11 环境

E:\InstallPackage\anaconda\Scripts\conda.exe create -n mathorcup_a python=3.11

⬇

 激活环境

E:\InstallPackage\anaconda\Scripts\conda.exe activate mathorcup_a

⬇

激活后会出现

⬇

然后：安装PyTorch(GPU版本

卸载现有的 CPU 版本

pip uninstall torch torchvision torchaudio

⬇

：强制安装 GPU 版本——成功

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 --force-reinstall

验证——成功

python -c "import torch; print('PyTorch版本:', torch.__version__); print('CUDA是否可用:', torch.cuda.is_available())"

⬇ 

安装 Ultralytics (YOLO)

pip install ultralytics

同时安装其他赛道A需要的库

pip install ultralytics opencv-python albumentations matplotlib pandas scikit-learn

⬇

验证

python -c "import torch; import ultralytics; from ultralytics import YOLO; print('=' * 50); print('【赛道A环境终极验证】'); print('=' * 50); print(f'1. PyTorch版本: {torch.__version__}'); print(f'2. CUDA是否可用: {torch.cuda.is_available()}'); print(f'3. GPU设备: {torch.cuda.get_device_name(0)}') if torch.cuda.is_available() else None; print(f'4. Ultralytics版本: {ultralytics.__version__}'); model = YOLO('yolov8n.pt'); print('5. YOLO预训练模型加载: 成功'); model.to('cuda'); print('6. 模型转移到GPU: 成功'); print('7. 进行快速推理测试...'); results = model('https://ultralytics.com/images/bus.jpg', verbose=False); print('8. 推理测试: 成功'); print('=' * 50); print('环境验证完成！可以开始赛道A的挑战了！'); print('=' * 50)"