YOLOv11 模型训练环境搭建笔记

系统与硬件要求

1. 操作系统
   推荐：Ubuntu 20.04 / 22.04（Linux 系统对 GPU 加速支持更友好）
   Windows：需安装 WSL2 或直接使用 Windows 版本的依赖（但 Linux 训练效率更高）
2. 硬件要求
   CPU：多核处理器（推荐 8 核及以上，用于数据预处理）
   GPU：NVIDIA 显卡（必须支持 CUDA，显存 ≥ 8GB，推荐 16GB+，如 RTX 3090/4090、Tesla T4/V100）
   内存：≥ 16GB（避免数据加载时内存溢出）
   硬盘：≥ 100GB 空闲空间（用于存储数据集、模型权重和训练日志）

基础依赖安装

1. 安装 NVIDIA 驱动与 CUDA 工具包
   YOLO 训练依赖 GPU 加速，需提前配置 CUDA 环境：

# 1. 查看推荐的 NVIDIA 驱动
ubuntu-drivers devices

# 2. 安装推荐的驱动（以 nvidia-driver-535 为例）
sudo apt install nvidia-driver-535

# 3. 安装 CUDA Toolkit（需与驱动版本匹配，例如 CUDA 11.8）
# 参考 NVIDIA 官网：https://developer.nvidia.com/cuda-toolkit-archive
wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
sudo sh cuda_11.8.0_520.61.05_linux.run

# 4. 配置 CUDA 环境变量（添加到 ~/.bashrc 或 ~/.zshrc）
echo 'export PATH=/usr/local/cuda-11.8/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

# 5. 验证 CUDA 安装
nvcc -V  # 应输出 CUDA 版本信息
nvidia-smi  # 应显示 GPU 信息和驱动版本

2. 安装 cuDNN（CUDA 加速库）
   cuDNN 是针对深度学习的 GPU 加速库，必须与 CUDA 版本匹配：

# 1. 从 NV