基于深度学习的视觉检测小项目（二） 环境和框架搭建
一、环境和框架要求
SAM的环境要求：
Python>=3.7
PyTorch>=1.7
torchvision>=0.8
YOLO V8的环境要求：YOLO集成在ultralytics库中，ultralytics库的环境要求：
Python>=3.7
PyTorch>=1.10.0
1、确定pytorch版本：
根据 PyTorch=1.10.0，在下面网页中搜索1.10.0：
Previous PyTorch Versions | PyTorch
如果用上面的命令安装下载速度慢，可以换为国内源：
conda install -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=11.3 -c pytorch -c conda-forge
2、从上面同时得知cuda=11.3，
从下面链接获取文件链接：
CUDA Toolkit Archive | NVIDIA Developer
获取到的文件链接：
https://developer.download.nvidia.com/compute/cuda/11.3.0/local_installers/cuda_11.3.0_465.19.01_linux.run
然后在下面网页中搜索合适的CUDNN:
cuDNN Archive | NVIDIA Developer
综合以上，需要安装的所有版本为：
cuda=11.3
cudnn=8.2.0
Python=3.9
PyTorch=1.10.0
下载并安装以及创建conda环境，命名为yolo8（或者随便你喜欢）。 具体方法参见：人工智能学习用的电脑安装cuda、torch、conda等软件，版本的选择以及多版本切换_cuda版本要求-CSDN博客
安装完之后进入python，import torch，出现了错误提示：
A module that was compiled using NumPy 1.x cannot be run in NumPy 2.0.1 as it may crash. To support both 1.x and 2.x versions of NumPy, modules must be compiled with NumPy 2.0. Some module may need to rebuild instead e.g. with 'pybind11>=2.12'. If you are a user of the module, the easiest solution will be to downgrade to 'numpy<2' or try to upgrade the affected module. We expect that some modules will need time to support NumPy 2.
解决方法：
pip install numpy==1.26.0原因是numpy版本过高。
二、安装SAM
在yolo8的环境下安装SAM，方法见：使用sam进行零样本、零学习的分割实践-CSDN博客
三、安装ultralytics
在yolo8的环境下安装SAM：
pip install ultralytics四、下载模型权重
1、打开链接：
GitCode -yolov8n权重的国内镜像
获得的模型权重文件yolov8n.pt
2、随便下载一张图片：
将两个文件复制到同一个目录下。
五、简单测试yolo
在上面两个文件所在的目录下，鼠标右键-->Open in Terminal：在打开的终端中输入：
conda activate yolo8
yolo predict model=yolov8n.pt source=car.pngyolo8是之前创建的环境名，yolov8n.pt是下载得到的模型权重，car.png是下载的图片名。
运行后：
打开预测结果所在的目录，看到：
成功运行。
六、SQLite
SQLite3 是 Python 标准库的一部分，自 Python 2.5 起就已经内置。直接在 Python 中使用 sqlite3 模块，无需额外安装。
七、PySide
1、pyside
pip install PySide6 -i https://pypi.tuna.tsinghua.edu.cn/simple2、QtDesigner
sudo apt update
sudo apt install qttools5-dev-tools