yolov8安装cuda环境

如何为 YOLOv8 安装配置 CUDA 环境
准备工作
为了成功安装适用于YOLOv8的CUDA环境，需确认操作系统支持并已准备好必要的依赖项。Ubuntu 22.04是一个合适的选择，因为它广泛兼容各种深度学习框架。
下载与安装 NVIDIA 驱动程序
确保计算机配备有NVIDIA显卡，并按照官方指南下载对应版本的驱动程序[^2]。建议访问NVIDIA官方网站获取最新版驱动。
获取 CUDA Toolkit 和 cuDNN 库
对于YOLOv8而言，推荐使用较新的CUDA版本以获得更好的性能和支持。当前环境下可选用CUDA 12.1以及配套cuDNN库来构建稳定的工作环境[^3]。具体操作如下：

访问CUDA Toolkit Archive，选择适合系统的CUDA 12.1版本进行下载。
同样地，在cuDNN Archive页面找到匹配于所选CUDA版本（即12.1）的cuDNN包完成安装。

设置环境变量
安装完成后，编辑~/.bashrc文件加入以下路径设置：
export PATH=/usr/local/cuda-12.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

使更改生效：
source ~/.bashrc

验证安装是否成功可以通过运行命令nvcc --version查看编译器版本号；通过执行nvidia-smi查询GPU状态信息。
安装 PyTorch 及其他依赖项
由于YOLOv8基于PyTorch开发，因此还需要安装合适的PyTorch版本及其余所需软件包。可以利用pip工具配合清华镜像源加速下载过程：
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

以上步骤能够帮助顺利完成YOLOv8所需的CUDA环境搭建工作[^1]。