Lnton羚通的算法算力云平台具有多个显著的特点，包括高性能、高可靠性、高可扩展性和低成本。首先，该云平台以高性能著称，能够提供高效、强大的算法计算服务。无论是处理复杂的计算模型还是执行各种算法，它都能快速而灵活地完成任务。其次，该云平台的可靠性也是其重要特点之一。用户可以放心地将任务交给平台处理，无需担心数据丢失或计算错误的问题。此外，该云平台还具备高度的可扩展性，可以根据用户需求进行灵活的扩展和升级，以应对不断增长的计算需求。最后，尽管功能强大，但该云平台的成本相对较低，为用户提供了高性价比的解决方案。
Windows 10 安装 PyTorch 开发环境，以及验证 YOLOv8
最近安装了一台Windows机器，准备在上面安装并深度学习开发环境，并搭建部署YOLOv8做训练和测试使用；
环境：
OS： Windows 10
显卡： RTX 3090安装 NVIDIA 驱动
根据显卡型号找到对应的驱动进行安装
GeForce 驱动程序
验证
在终端中输入： nvidia-smi 查看是否正确安装
PS F:\workspace\notebook> nvidia-smi
Tue Aug 15 09:23:21 2023
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 528.24 Driver Version: 528.24 CUDA Version: 12.0 |
|-------------------------------+----------------------+----------------------+
| GPU Name TCC/WDDM | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 NVIDIA GeForce ... WDDM | 00000000:01:00.0 On | N/A |
| 30% 38C P8 19W / 350W | 782MiB / 24576MiB | 4% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
| 0 N/A N/A 1620 C+G C:\Windows\System32\dwm.exe N/A |
| 0 N/A N/A 1908 C+G ...ge\Application\msedge.exe N/A |
安装 Visual Studio 2019 Community
安装 VS2019 Visual Studio Community 2019
验证
安装 Git, CMake, Anaconda
安装 git,
tortoisegit 可以看文件状态
安装 cmake， 跨平台编译时使用;
安装 Anaconda，集成了很多 python 开发环境
验证
下载并安装 OpenCV
OpenCV 下载地址
既然上面安装的是 VS 2019, 那么我们就安装 VC16 版本的 OpenCV， 省得自己编译了；
解压安装后，将 build 目录下的 x64\vc16\bin 添加到环境变量中。
安装 CUDA 和 CUDNN
这里有些人可能不知道需要安装什么版本的 cuda。因为我这里的 GPU 是 N卡 3090 还是比较好的，所以可以安装比较高阶版本的软件，但是也不能太新，我这里直接参考 PyTorch 里最新版本的框架依赖哪个？
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MNJC1PNc-1692070277630)(image.png)]
好了，那就安装 CUDA 11.8 和对应的 CUDNN 8 ；
cuda11.8-exe_local-3GB
cudnn 下载对应版本
注意： cudnn 要注册账号
解压后，将 cudnn 文件夹下的所有文件夹复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\ 目录下。
验证
(base) D:\>nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Wed_Sep_21_10:41:10_Pacific_Daylight_Time_2022
Cuda compilation tools, release 11.8, V11.8.89
Build cuda_11.8.r11.8/compiler.31833905_0
进入到安装目录 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite, 运行 .\deviceQuery.exe
安装 PyTorch
PyTorch
conda 安装
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
pip安装
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
验证
(base) D:\>python
Python 3.11.4 | packaged by Anaconda, Inc. | (main, Jul 5 2023, 13:38:37) [MSC v.1916 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> print(torch.__version__)
2.0.1
>>> torch.cuda.is_available()
True
>>>
ultralytics/YOLOv8
创建虚拟环境
conda create --name yolov8 --clone base
激活虚拟环境
conda activate yolov8
安装
pip install ultralytics
代码 https://github.com/ultralytics/ultralytics
权重 https://github.com/ultralytics/assets/releases
验证
yolo predict model=yolov8n.pt imgsz=640 conf=0.25
(yolov8) F:\workspace\yolov8>yolo predict model=yolov8n.pt imgsz=640 conf=0.25
WARNING 'source' is missing. Using default 'source=D:\anaconda3\envs\yolov8\Lib\site-packages\ultralytics\assets'.
Ultralytics YOLOv8.0.154 Python-3.11.4 torch-2.0.1 CUDA:0 (NVIDIA GeForce RTX 3090, 24576MiB)
YOLOv8n summary (fused): 168 layers, 3151904 parameters, 0 gradients
image 1/2 D:\anaconda3\envs\yolov8\Lib\site-packages\ultralytics\assets\bus.jpg: 640x480 4 persons, 1 bus, 1 stop sign, 160.2ms
image 2/2 D:\anaconda3\envs\yolov8\Lib\site-packages\ultralytics\assets\zidane.jpg: 384x640 2 persons, 1 tie, 154.0ms
Speed: 41.6ms preprocess, 157.1ms inference, 72.6ms postprocess per image at shape (1, 3, 384, 640)
Results saved to runs\detect\predict
Lnton羚通的算法算力云平台以其突出的特点成为一款优秀的解决方案。它的高性能、高可靠性、高可扩展性和低成本使得用户能够高效地进行复杂的计算任务。同时，丰富的算法库和工具以及支持用户上传和部署自定义算法的功能进一步提升了平台的灵活性和个性化能力。