YOLOv8的GPU环境搭建方法
首先说明这个环境搭建教程是基于电脑已经安装好CUDA和CUDNN的情况下，去搭建能够正确运行YOLOv8代码的Pytorch的GPU版本。具体安装方法可见：最适合新手入门的CUDA、CUDNN、Pytorch安装教程_cuda安装-CSDN博客
第一步：需要在cmd中创建虚拟环境conda create -n 环境名字 python版本，例如创建一个名字为YOLOv8的虚拟环境，并且指定Python版本为3.9，则需要在cmd中输入的代码为：
conda create -n YOLOv8 python==3.9即可成功创建。
第二步：激活指定的虚拟空间，例如激活名为YOLOv8的虚拟环境，其代码如下：
conda activate YOLOv8
就会进入对应的虚拟环境。
第三步：在虚拟环境中安装运行YOLOv8官方代码所需要的模块。推荐首先安装ultralytics模块。如果下载较慢，可以添加镜像源。使用镜像源安装模块的方法可见：Python使用镜像安装模块_python安装镜像-CSDN博客
pip install ultralytics第四步：安装对应的CUDA的Pytorch版本，首先进入Pytorch官网，选择对应的版本进行pip安装，如下图：
但是在这里存在一个问题，安装很慢很慢，往往超时，我们可以将安装命令输入CMD中，会产生如下图：
复制此下载路径到迅雷中，粘贴到新建下载任务中，然后下载完成后，激活虚拟环境，然后进入到下载此文件的路径下，输入如下代码：
pip install “torch-2.4.1+cu118-cp39-cp39-win_amd64.whl”即可安装成功，但是在运行YOLOv8代码的时候，会报错torchvision与CUDA不适配，主要是在安装ultralytics模块的时候安装的torchvision是cpu版本的，torch + torchaudio都是coda版本，torchvision却不是，这就是问题所在，需要手动卸载torchvision，然后输入对应的cuda版本的torchvision安装，实例代码如下：
pip install torchvision==0.19.1 --index-url https://download.pytorch.org/whl/cu118参考博客：[YOLOv8] 问题分析和解决 - NotImplementedError: Could not run ‘torchvision::nms‘ ...from the ‘CUDA‘ backend_yolov8notimplementederror: could not run 'torchvis-CSDN博客
完美解决下载安装pytorch cuda版本超级慢的问题_pytorch下载太慢-CSDN博客