Windows10下YOLO深度学习环境配置全攻略：从CUDA到torch

1. 环境准备：理清思路，打好地基

想在Windows 10上玩转YOLO，第一步不是急着下载安装包，而是要把思路理清楚。很多新手朋友一上来就照着教程一通操作，结果不是CUDA版本对不上，就是torch装不上GPU版本，白白浪费好几个小时。我刚开始接触的时候也踩过不少坑，所以今天咱们就一步步来，把整个过程掰开揉碎了讲，确保你一次成功。

深度学习环境配置，说白了就是给电脑搭建一个能让YOLO这类模型“跑起来”的舞台。这个舞台的核心是显卡（GPU），因为GPU并行计算的能力比CPU强太多了，能让你训练模型的速度提升几十倍。要让GPU为深度学习服务，就需要一套“翻译”和“加速”工具，这就是CUDA和cuDNN。CUDA是英伟达推出的通用并行计算平台，你可以把它理解成GPU的“驱动程序”和“编程语言”，让PyTorch（torch）这样的框架能够调用GPU。而cuDNN是CUDA的深度神经网络加速库，专门针对深度学习中的卷积、池化等操作做了极致优化，装了它，YOLO的训练和推理速度才能飞起来。

所以，整个流程的逻辑链条是这样的：你的显卡决定了能用的最高CUDA版本 -> 根据CUDA版本选择匹配的cuDNN版本 -> 最后安装对应CUDA版本的PyTorch（torch）GPU版本。环环相扣，一步错，后面就全乱了。在开始之前，请确保你的Windows 10系统是64位的，并且拥有一张英伟达（NVIDIA）的独立显卡。核显或者AMD显卡的朋友，这条路就走不通了，得考虑其他方案。

2. 显卡驱动与CUDA：找到你的起点

2.1 检查与更新显卡驱动

一切始于你的显卡。首先，我们需要知道你的显卡型号和支持的最高CUDA版本。别担心，操作很简单。

按下键盘上的 Win + R 键，输入 cmd 然后回车，打开命令提示符。在黑色的窗口里，输入以下命令并按回车：

nvidia-smi

这个命令会弹出一个信息窗口。你需要重点关注右上角的“CUDA Version”这一项。比如，我这里显示的是“12.4”。请注意，这个“12.4”指的是你的显卡驱动所能支持的最高CUDA运行时版本，并不是你当前安装的CUDA版本。 你可以安装比这个版本号低的CUDA，但不能安装比它高的。这是第一个关键信息点。

有时候，这个命令可能提示“不是内部或外部命令”，这通常意味着你的系统没有安装NVIDIA的显卡驱动，或者驱动太旧了。这时候，我们就需要去手动下载安装最新的驱动。打开浏览器，访问NVIDIA官方网站的驱动下载页面。在“产品类型”里选择“GeForce”（游戏卡）或“Quadro”（专业卡），然后根据你的显卡系列、具体型号以及操作系统（Windows 10 64位）进行选择。下载完成后，运行安装程序，选择“自定义安装”，并勾选“执行清洁安装”，这样可以避免旧驱动文件的残留导致问题。安装完成后重启电脑，再运行 nvidia-smi 命令，就能看到正确的信息了。

2.2 下载与安装CUDA Toolkit

知道了显卡支持的最高CUDA版本（比如12.4），我们就可以去下载一个合适的CUDA Toolkit了。对于深度学习来说，我们通常不需要追求最新的版本，而是应该选择与主流深度学习框架（如PyTorch）兼容性最好的稳定版本。目前，PyTorch对CUDA 11.8和11.7的支持非常成熟和广泛，所以我个人推荐选择CUDA 11.8。它既不是太老，又有极佳的生态支持。

我们以CUDA 11.8为例。访问NVIDIA CUDA Toolkit的官方下载页面，找到11.8版本的下载链接。在版本选择界面，按如下方式选择：

• Operating System: Windows
• Architecture: x86_64
• Version: 10（这里选择Windows 10）
• Installer Type: 强烈推荐选择 exe (local)，也就是本地安装包。网络安装包（network）虽然小，但安装过程需要联网下载，容易失败。

下载完成后，你会得到一个名为 cuda_11.8.0_522.06_windows.exe 这