🚀 Configuração de Ambiente com PyTorch + CUDA + YOLOv8 (RTX 5060 Ti)

Este guia documenta todo o processo realizado: desde a identificação da GPU, instalação dos drivers, criação do ambiente Conda, instalação do PyTorch com suporte CUDA, até a validação final.

📌 1. Identificação da GPU e drivers

Abra o Prompt de Comando ou PowerShell e execute:

nvidia-smi

📌 Esse comando retorna informações como: - Nome da GPU (ex: NVIDIA GeForce RTX 5060 Ti) - Versão do driver NVIDIA - Versão do CUDA suportada

Se nvidia-smi não funcionar, abra o Gerenciador de Dispositivos → Placas de vídeo.

📌 2. Instalar/atualizar drivers NVIDIA + CUDA Toolkit

Baixar diretamente do site oficial da NVIDIA:
🔗 https://www.nvidia.com/Download/index.aspx

Baixar o CUDA Toolkit (opcional, já vem embutido no PyTorch Nightly, mas útil para desenvolvimento):
🔗 https://developer.nvidia.com/cuda-downloads

📌 3. Verificar matriz de compatibilidade do PyTorch

O site oficial mantém a tabela de compatibilidade entre versões de PyTorch e CUDA:
🔗 https://pytorch.org/get-started/locally/

Como a GPU é da série RTX 50xx, usamos a versão nightly do PyTorch com CUDA 12.9.

📌 4. Criar ambiente Conda

conda create -n yolov8_cuda python=3.10 -y
conda activate yolov8_cuda

📌 5. Instalar dependências principais

conda install pip numpy pandas opencv matplotlib -y

📌 6. Instalar PyTorch com CUDA 12.9 (Nightly)

pip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu129

📌 7. Instalar YOLOv8

pip install ultralytics

📌 8. Instalar DeepSORT (rastreamento)

pip install deep-sort-realtime

📌 9. Instalar MoviePy (manipulação de vídeo)

pip install moviepy

📌 10. Instalar OpenPyXL (Excel)

pip install openpyxl

📌 11. Instalar pacotes adicionais

pip install pillow scikit-learn
conda install pip numpy pandas opencv matplotlib -y

📌 12. Testar PyTorch + GPU

Crie um arquivo teste_cuda.py com o seguinte conteúdo:

import torch
print("Torch version:", torch.__version__)
print("CUDA version:", torch.version.cuda)
print("GPU disponível?", torch.cuda.is_available())
print("Nome da GPU:", torch.cuda.get_device_name(0))

Execute:

python teste_cuda.py

Saída esperada:

Torch version: 2.9.0.dev20250905+cu129
CUDA version: 12.9
GPU disponível? True
Nome da GPU: NVIDIA GeForce RTX 5060 Ti