04训练——基于YOLO V8的自定义数据集训练——在windows环境下使用pycharm做训练-1总体步骤

在上文中，笔者介绍了使用google公司提供的免费GPU资源colab来对大量的自定义数据集进行模型训练。该方法虽然简单好用，但是存在以下几方面的短板问题：

一是需要通过虚拟服务器做为跳板机来访问，总体操作起来非常繁杂。

二是需要将大量的数据上传缓慢，管理和使用非常不友好，特别是我们分批上传文件时，需要后期逐个整理文件，非常不友好。

三是免费使用gpu的额度有限制，也就是说当你频繁使用colab做训练的时候，会提示配额已满，甚至我们耗费很长时间进行训练的时候，突然运行报错，实际上就是配额慢了，造成前期工作白费了。

为此，在我们实际的项目需求中，仍然需要掌握如何在windows环境下，调用本地电脑的GPU资源进行模型的训练。为了确保您的电脑中显卡资源可以被成功调用，笔者经过实践总结，建议您按照以下步骤操作。

1. 升级本地电脑显卡驱动到最新版本
2. 安装对应的CUDA版本
3. 安装CUDNN库
4. 安装对应CUDA版本的pytorch

在上述步骤完成之后，便可调用本地电脑的GPU资源了，具体的代码与基于linux环境的colab上运行的代码类似，但有些许不同，笔者将逐一讲解。