这篇文章上次修改于 376 天前，可能其部分内容已经发生变化，如有疑问可询问作者。

1.CUDA配置
下载CUDA11.8，对应你电脑系统的版本，并安装，安装时选择自定义安装，勾选所有文件。
路径可以改到其它盘，但要记下安装目录，后面配置CUDNN时需要。

2.CUDNN配置
下载对应CUDA版本的CUDNN，并解压，复制里面的几个文件夹复制到你安装CUDA时的目录下，替换掉那个目录的同名文件夹 cudnn

3.UV配置
如果没配过uv可以在网上搜配置uv环境的方法，这里默认已经配好uv环境。

开始配置，首先在你uv项目根目录处右键点击终端，然后一条条执行以下代码

uv init yolo
cd yolo
uv sync
uv add ultralytics
uv pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
uv pip uninstall torchvision
uv pip install torchvision --index-url https://download.pytorch.org/whl/cu118

上面的yolo是放yolo代码的虚拟环境，可以换成自己喜欢的名字，跑完所有代码之后可以输入uv tree查看项目依赖，看看是否配置成功（一般不报错就肯定成功了）。

4. 验证环境

   from ultralytics import YOLO
   
   # 加载模型
   model = YOLO('./yolov8n.pt')  # 加载预训练模型（推荐用于训练）
   
   source = './assets/bus.jpg' #更改为自己的图片路径
   
   model.predict(source, save=True)
   
   # 使用1个GPU训练模型
   # results = model.train(data='./conf.yaml', epochs=100, imgsz=640, device=[0])