「YOLOをGPUで動かしたい」と思ったとき、多くの人が身構えるのが CUDA Toolkit / cuDNN の環境構築です。
でも実は、ゲーミングPC（NVIDIA GPU搭載）を持っている人なら、難しいセットアップなしでYOLOを動かせます。
この記事では Ultralytics YOLO を使って、Windows上で
- 画像1枚の物体検出
- USBカメラのリアルタイム物体検出
までを コマンドだけで進めます。
この記事のポイント（メリット）
- ✅ ゲーミングPC（NVIDIA GPU）ならすぐ試せる
- ✅ CUDA Toolkit / cuDNN を手動で入れなくてOK
- ✅ Python仮想環境 + pipコマンドだけで完結
- ✅ まずは「動いた！」を最短で体験できる
なぜCUDA Toolkitが不要なの？
→ Ultralyticsは内部でPyTorchを使いますが、GPU対応のPyTorchは（多くの場合）実行に必要なCUDA関連ライブラリを同梱しているため、学習・推論するだけならCUDA Toolkit（nvcc等）を別途入れなくても動きます。
※ただし「自作CUDA拡張をコンパイルする」など特殊用途では必要になることがあります。
前提条件（これだけ）
- Windows 10/11
- NVIDIA GPU（例：RTX 3060/3070/3080/3090など）
- NVIDIAドライバがインストール済み（最新推奨）
- Python（おすすめ：3.10〜3.12）
1. 作業フォルダを作って仮想環境を作成
PowerShellで、作業用フォルダへ移動して実行します。
mkdir windows_yolo
cd windows_yolo
py -m venv .venv
.\.venv\Scripts\activate
python -m pip install -U pip
プロンプト先頭に (.venv) が付いていればOKです。
2. PyTorch（GPU対応）をインストール
ここが一番重要です。CPU版PyTorchを入れるとGPUが使えません。
以下を実行：
python -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
インストールできたら、GPUが使えるか確認します。
python -c "import torch; print('torch', torch.__version__); print('cuda', torch.cuda.is_available()); print(torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'no gpu')"
理想の出力例：
torch 2.x.x+cu121
cuda True
NVIDIA GeForce RTX xxxx
3. Ultralytics YOLO をインストール
pip install -U ultralytics opencv-python
簡易チェック（任意）：
yolo checks
4. まずは画像で物体検出してみる（最短で成功体験）
ローカルに画像を用意しなくても、サンプル画像で試せます。
yolo detect predict model=yolo11n.pt source=https://ultralytics.com/images/bus.jpg
初回は yolo11n.pt が自動ダウンロードされます。
結果はこのフォルダに出ます：
runs\detect\predict\
ここに、検出結果（枠が描かれた画像）が保存されていれば成功です。
もし
yolo11n.ptがうまくいかない場合は、モデル名をyolov8n.ptにしてもOKです。
5. USBカメラでリアルタイム物体検出（CLI一発）
次はUSBカメラ（Webカメラ）でリアルタイム推論です。
yolo detect predict model=yolo11n.pt source=0 show=True
source=0が一般的に最初のカメラ- もし映らなければ
source=1、source=2を試してください
軽量設定（まずはこれが無難）：
yolo detect predict model=yolo11n.pt source=0 show=True imgsz=640 device=0
6. Pythonで「VideoCapture + imshow」で動かしたい人向け（定番スタイル）
ブログ読者が一番やりたい形はこれだと思います。realtime.py を作成して貼り付けます。
import cv2
from ultralytics import YOLO
model = YOLO("yolo11n.pt") # 軽いモデルでまず動作確認
cap = cv2.VideoCapture(0, cv2.CAP_DSHOW) # WindowsはDSHOWが安定しやすい
# 低遅延寄せ（効かない環境もあります）
cap.set(cv2.CAP_PROP_BUFFERSIZE, 1)
while True:
ok, frame = cap.read()
if not ok:
break
results = model.predict(frame, device=0, imgsz=640, verbose=False)
vis = results[0].plot()
cv2.imshow("YOLO Realtime", vis)
if cv2.waitKey(1) & 0xFF == 27: # ESCで終了
break
cap.release()
cv2.destroyAllWindows()
実行：
python realtime.py
よくある詰まりポイント（初心者がハマりがち）
1) test.jpg does not exist
→ 画像ファイルのパスが間違っているだけです。フルパス指定が確実です。
yolo detect predict model=yolo11n.pt source="C:\path\to\your.jpg"
2) cuda False になる
- CPU版PyTorchを入れてしまった可能性が高いです
→ もう一度--index-url .../cu121で入れ直します
3) カメラが映らない
source=1/source=2を試す- Zoom/Teams等がカメラを掴んでいたら閉じる
まとめ：ゲーミングPCなら「とりあえずYOLO」は拍子抜けするほど簡単
- CUDA Toolkit / cuDNN を手で入れなくても
- Python仮想環境 + pip + yoloコマンドだけで
- 画像検出→USBカメラのリアルタイム推論まで到達できます。
入門としてはこれ以上ないくらい「成功体験」が早いので、まずは bus.jpg から試してみてください。
【追記】動画を入力して推論し、表示しながら結果を保存する
画像やUSBカメラで動いたら、次は **動画ファイル（mp4など）**を入力にして、YOLOで推論しながら画面表示し、さらに推論結果を動画として保存します。
Ultralyticsはここも簡単で、sourceに動画パスを指定するだけです。
事前準備（前章までで完了していればOK）
仮想環境を有効化しておきます。
.\.venv\Scripts\activate
1) 動画を推論して「表示」しながら「保存」する（コマンド一発）
作業フォルダに input.mp4 を置いて、次を実行します。
yolo detect predict model=yolo11n.pt source=input.mp4 show=True save=True
show=True：推論しながら画面に表示save=True：枠が描かれた推論結果を保存
出力先は通常、以下に自動生成されます：
runs\detect\predict\配下
動画ファイルが別フォルダにある場合はフルパスでもOKです：
yolo detect predict model=yolo11n.pt source="C:\Users\hidek\Videos\input.mp4" show=True save=True
2) 保存先を分かりやすく指定する（ブログ向けにおすすめ）
runs\detect\predict だと実験が増えると迷子になりがちなので、プロジェクト名・実験名を付けると管理しやすいです。
yolo detect predict model=yolo11n.pt source=input.mp4 show=True save=True project=runs_video name=exp1
出力は：
runs_video\exp1\配下
3) 推論結果を「動画＋テキスト（検出結果）」で保存する
動画だけでなく、検出した座標（bbox）も欲しい場合は save_txt を付けます。
yolo detect predict model=yolo11n.pt source=input.mp4 show=True save=True save_txt=True save_conf=True
save_txt=True：検出結果をテキストで保存save_conf=True：confidence（確信度）も保存
4) 動画が重い/遅いときの軽量化（入門で効く設定）
動画推論は「入力が大きい」「モデルが重い」「表示負荷が高い」でfpsが落ちやすいです。まずはこの3つを抑えるのが定石です。
まずは軽量モデル + 画像サイズ固定
yolo detect predict model=yolo11n.pt source=input.mp4 show=True save=True imgsz=640 device=0
model=yolo11n.pt：軽量モデル（入門向け）imgsz=640：入力サイズを抑えるdevice=0：GPUを明示（あなたの環境はRTX 3090でOK）
検出が多すぎる/少なすぎるとき（しきい値）
yolo detect predict model=yolo11n.pt source=input.mp4 show=True save=True conf=0.35
conf を上げるほど「確信度の高い検出だけ」に絞られます。
5) USBカメラでも「表示＋保存」ができる（ついでに）
動画だけでなく、USBカメラ（source=0）でも同じノリで録画できます。
yolo detect predict model=yolo11n.pt source=0 show=True save=True
カメラ番号が違うときは source=1 / 2 を試します。
6) （応用）Pythonで「表示しながら保存」したい場合
「保存先を固定したい」「フレーム加工したい」「ログを取りたい」など、後から拡張するならPython版が便利です。入門記事では“応用枠”として載せるのがおすすめです。
import cv2
from ultralytics import YOLO
model = YOLO("yolo11n.pt")
cap = cv2.VideoCapture("input.mp4") # 0ならUSBカメラ
fps = cap.get(cv2.CAP_PROP_FPS) or 30
w = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
h = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
fourcc = cv2.VideoWriter_fourcc(*"mp4v")
out = cv2.VideoWriter("output.mp4", fourcc, fps, (w, h))
while True:
ok, frame = cap.read()
if not ok:
break
results = model.predict(frame, device=0, imgsz=640, verbose=False)
vis = results[0].plot()
cv2.imshow("YOLO", vis)
out.write(vis)
if cv2.waitKey(1) & 0xFF == 27: # ESCで終了
break
cap.release()
out.release()
cv2.destroyAllWindows()
よくあるエラー（動画編）
動画が読み込めない（形式/コーデック）
→ まずは mp4（H.264）など一般的な形式で試す。
FileNotFoundError: input.mp4 does not exist
→ 動画が作業フォルダに無い/名前が違う。フルパス指定が確実。
それではまた！
LEAVE A REPLY