【与轻量版的差异】
本版在轻量版基础上只改了一处核心配置：
build.ps1 里的
$TorchIdx = "https://download.pytorch.org/whl/cpu"
改成了
$TorchIdx = "https://download.pytorch.org/whl/cu126"
其余目录结构、_pth 改写、安装顺序、Git / VC++ 依赖完全一致。
另外三处同步调整：
1. 0-启动.bat 自检改为打印显卡型号，CUDA 为 False 时给出驱动提示
2. nvcc 垫片版本号从 13.0 改为 12.6，与 torch 的 cu126 对齐
3. 说明文档改为 GPU 版口径
【为什么选 cu126 而不是 cu130】
cu126（CUDA 12.6）
驱动要求：≥ 525.x（2022 年底之后的驱动即可）
覆盖显卡：Maxwell(900系) / Pascal(10系) / Turing(20系)
/ Ampere(30/40系) / Hopper
→ 分发给配置不明用户的首选，兼容性最广
cu130（CUDA 13.0）
驱动要求：≥ 580.x（很新的驱动）
覆盖显卡：Turing(20系) 及以后，老卡不支持
→ 自用、机器配置确定时才选
游戏脚本用户机器配置天差地别，有 GTX 1050 也有 RTX 4090，
所以分发场景一律选 cu126，兼容性优先于版本新。
注意：CUDA 12.8 已于 PyTorch 2.12 起被官方从构建矩阵移除（弃用），
不要再选 cu128。
【关于 nvcc 垫片】
runtime\nvcc\nvcc.bat 只回显版本号，不做真实编译。
作用：让大漠工具的 CUDA 检测项能读到版本号而不报红，
避免工具因检测不到 CUDA 走异常分支（比如强行传 device=cpu）。
边界：它补的是"版本查询工具"，不影响 torch 真实运行。
torch 能否用 GPU，取决于自带的 CUDA 运行时 + 显卡驱动，
跟 nvcc 在不在没有关系。
本版垫片报 12.6，与 torch 的 cu126 一致，避免版本显示自相矛盾。
如果你实测大漠工具对 12.6 有反应（比如报红），
把 nvcc.bat 里两处 12.6 改成 13.0 即可 —— 已实测 13.0 大漠能过。
【构建前的准备】
1. 把大漠提供的 yolov5 文件夹放到 YoloBox 下，命名为 yolo
要求能看到：YoloBox\yolo\train.py
（脚本兼容 yolo / yolov / yolov5_7.0，但建议统一用 yolo）
2. 先双击 下载权重.bat 拿权重（约 14MB）
大漠那份 yolov5 不带权重，必须单独下载
3. 大漠Yolo综合工具.exe 放到 YoloBox 根目录
4. 双击 运行构建.bat
【构建流程】
[0] 定位 yolo 目录
[1] 下载 Python 3.10.9 embeddable → runtime\python
[2] 改写 python310._pth，放开 site-packages
[3] 安装 pip
[4] 安装 GPU 版 torch（cu126）← 最耗时，20-60 分钟
[5] 安装 yolov5 的 requirements.txt
[6] 下载 MinGit → runtime\git
[7] 下载 VC++ 运行库到根目录
每个下载带 3 次重试，超时阈值放宽到 1800 秒（torch 包很大）。
【四个不能踩的坑】
坑 1：Python 版本必须是 3.10.9
torch wheel 文件名带 cp310 标记，只认 Python 3.10。
换 3.11 / 3.12 直接装不上。
改版本的话 $PyUrl 和 python310._pth 要同步改。
坑 2：python310._pth 必须改写
embeddable 版默认不加载 site-packages，
不改这个文件，torch 装完也 import 不到。
坑 3：安装顺序不能颠倒
必须先装 torch，再装 requirements.txt。
yolov5 的 requirements.txt 写的是 torch>=1.7.0，
先装好 cu126 版后 pip 检测已满足就会跳过。
顺序反了的话 pip 会按默认源再拉一个 GPU 版 torch，
可能出现另一个 CUDA 档位，体积和内容都失控。
坑 4：国内镜像要慎用
清华镜像的 torch 可能是 CPU 版或 cu121 档，
用它装出来的就不是 cu126 了。
构建失败要换镜像的话，装完务必验证：
python -c "import torch; print(torch.version.cuda)"
应输出 12.6。
【构建完成后必须做的验证】
□ 双击 0-启动.bat，CUDA 显示 True 并打印显卡型号
□ 跑 python -c "import torch; print(torch.version.cuda)" 应输出 12.6
□ 工具里环境检测全绿
□ 用 coco128 小数据集真跑一轮，确认能出 best.pt
★ 训练时打开任务管理器看 GPU 占用率是否上升
—— 这是"真的在用 GPU"的终极判据，光看 CUDA True 还不够
□ 断网再跑一轮，确认不依赖联网
【分发打包】
1. 删除 _构建\_download（临时目录，几个 GB）
2. 删除 _构建 整个目录
3. 用 7-Zip 压成 YoloBox完整版.7z
体积预估：解压后约 3.5GB，压缩后约 2.5GB
4. 保留：先看我.txt、0-启动.bat、runtime\、yolo\、vc_redist.x64.exe
【体积说明】
torch 的 CUDA wheel 里打包了完整 CUDA 运行时
（cudart / cudnn / cublas / cufft 等几十个 DLL），
单个就 2.5GB 上下，这是体积大头，没法再压。
也正是因为运行时已经内置，
用户才完全不需要安装 CUDA Toolkit。
压缩包下载
www.511yj.com
qq群：521068947
