前言
人工智慧是一種基於「模型」的訓練運作的技術，分為判別式與生成式兩種。簡單來說，YOLO 是前者，能幫我們分類餵進去的資料；ChatGPT 是後者，能根據餵給它的資料來生出新東西。
主流的電腦視覺開發工具包括 OpenCV、MediaPipe 與 YOLO，OpenCV 有一套完整的影像處理功能，通常我們會將 OpenCV 視為一個框架，用來配合 MediaPipe 或 YOLO 進行開發。
MediaPipe 與 YOLO 都能做影像或骨架辨識，為何我選用 YOLO 而不是 MediaPipe 呢？因為 MediaPipe 在 Windows 上不支援 GPU 運算 (CPU 算得慢 / GPU 快很多)，而 YOLO 可以。所以為了能用學校實驗室的電腦來快速開發，就決定現行先以 YOLO 為主。
在這邊，我會用 Windows 11 + NVIDIA RTX 顯示卡的環境來示範 Python 開發環境的建立，以下為官方建議的系統規格：
- Python 3.8 或以上版本
- NVIDIA 顯示卡與 CUDA 11.2 或以上版本
我的規格是：
- Python 3.10
- NVIDIA RTX 4060
- CUDA 12.4 (版本錯誤沒關係，我會教你怎麼重新安裝)
我們預計要使用 VS Code 來做 YOLO 的開發，今天會帶大家經歷以下流程：
- 建立 VS Code 基本環境
- 使用 Scoop 安裝 Python 3.10
- 建立 Python 虛擬環境
- 安裝 CUDA 12.4
- 安裝 PyTorch、YOLO 與測試 (確認能使用顯示卡來加速運算)
說明就到這裡，接下來將進入主題：
建立 VS Code 基本環境
VS Code 是目前主流的程式碼編輯器，我們可以安裝各種擴充功能，來讓它變成中文介面和支援 Python 的開發。
首要步驟是新開一個資料夾，並按住 Shift 再點擊滑鼠右鍵，選擇「以 Code 開啟」。
開啟 VS Code 後，先建立一個名為 main.py 的新檔案，再切換到擴充功能，安裝中文語言包、Pylance、Python 與 Python Debugger。
使用 Scoop 安裝 Python 3.10
這裡先預設大家的電腦還沒安裝任何版本的 Python，我們接下來會使用 Scoop 套件管理器來安裝 Python 3.10，讓工具來幫你處理麻煩的系統環境設定。
首先，從頂部選單開啟：終端機 > 新增終端。
複製並貼上以下指令，等待完成 Scoop 的安裝。
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser
Invoke-RestMethod -Uri https://get.scoop.sh | Invoke-Expression
Scoop 安裝好後，下一步要來安裝 Python，請複製並貼上以下指令，等待 Python 3.10 完成安裝。
scoop bucket add versions
scoop install versions/python310
建立 Python 虛擬環境
現在請將 VS Code 全部關閉再重新啟動，這時開啟 main.py 時，視窗右下角應該會出現 3.10.11 的版本號碼，請點擊它，並依序選擇「建立虛擬環境」、「Venv」、「Python 3.10.11」。
最後再次開啟終端機，滑鼠放在終端機面板右上角的 powershell 上，確認有成功套用虛擬環境 (紅框處)。
安裝 CUDA 12.4
接下來要處理顯示卡的 CUDA 支援，我們沿用剛才開的終端機，嘗試輸入以下指令：
nvidia-smi
你可能會遇到幾種結果：
- 找不到指令
- 有顯示東西，但它的版本不是 11.8、12.1 或 12.4
如果你顯示的 CUDA 版本是 11.8、12.1 或 12.4，那恭喜你，這一節可以全部跳過，直接進到安裝 PyTorch、YOLO 與測試，其它結果則跟著我繼續往下做 (我遇到的是版本錯誤)。
首先，前往 CUDA Toolkit Archive，選擇 11.8、12.1 或 12.4 開頭版本的 CUDA Toolkit 來下載 (建議裝 12.4.1)。
以我的電腦規格來說，電腦規格會依序選擇「Windows」、「x86_64」、「11」與「exe (local)」，最後點擊 Download 來下載。
下載完成後直接啟動安裝程式，其中在選擇安裝選項時請選擇「自訂」，並取消勾選除了 CUDA 以外的選項。因為通常電腦都會自動幫你安裝顯示卡驅動，但如果你還沒裝驅動，則可以保留選項的勾選狀態。
安裝 PyTorch、YOLO 與測試
到這個環節，你電腦的 VS Code、Python 和 CUDA 應該都已經安裝並設定好了，現在我們要先來安裝 YOLO 依賴的 AI 框架「PyTorch」。
首先，繼續沿用先前開的終端機，複製並貼上以下指令，安裝最新正式版且支援 CUDA 12.4 的 PyTorch：
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
接下來寫一段程式碼來測試 PyTorch 有沒有成功抓到顯示卡的 CUDA：
import torch
print(torch.cuda.get_device_name())
點擊右上角執行後 (紅框處)，應該會出現 NVIDIA GeForce XXXX 的字眼，例如我的就是 RTX 4060，代表有成功抓到，PyTorch 可以用 CUDA 來加速運算。
當 PyTorch 的 CUDA 可以正常運作後，我們就能來安裝 YOLO，請輸入以下指令進行安裝：
pip install ultralytics
最後請複製貼上以下程式碼，這邊我們用 YOLO 的 YOLO11n-pose 模型來辨識影像中的人物骨架，其中使用 device=0 參數來確保 YOLO 有用顯示卡來算，並用 show() 來將結果顯示出來。
from ultralytics import YOLO
model = YOLO("yolo11n-pose.pt")
results = model(source="https://ultralytics.com/images/bus.jpg", device=0)
for r in results:
r.show()
一樣點擊右上角按鈕來執行，最後會跳出一張圖片，裡面所有的人物應該都會被框起來，骨架也會被標出來，YOLO 已能順利運作！
今天教學就到這邊，我們現在應該都已經成功建立 YOLO 的開發環境，現在我們只有做出簡單的人體骨架辨識，未來將會試著將它連接到網路攝影機 (WebCam) 上，即時擷取我們的肢體狀態，再透過網路來輸出座標到 Unity 或其它程式或工具中！
有遇到問題或有相關技術想要分享的歡迎在下方討論區留言，我會抽空回覆！
