La caña de azúcar (spp.) es un cultivo importante de pasto perenne para las industrias del azúcar y biocombustibles. El programa de mejoramiento de caña de azúcar de Luisiana se enfoca en mejorar el rendimiento de azúcar incrementando genéticamente. Con el avance en genotipado y técnicas de fenotipado (alto rendimiento), la selección genómica es una herramienta prometedora para el mejoramiento asistido por marcadores. En este estudio, evaluamos la predicción genómica utilizando la mejor predicción lineal no sesgada por regresión de crestas (rrBLUP) y varios modelos bayesianos para evaluar la precisión de la predicción genómica mediante una validación cruzada de 10 pliegues en 95 clones parentales comerciales y élite del programa de mejoramiento de caña de azúcar de Luisiana. Los conjuntos de datos (individuales y combinados en varias combinaciones) se construyeron en base al tipo de suelo (ligero-Commerce silty loam, pesado-Sharkey clay) y cultivo (caña de planta, retoño). Se utilizaron un total de 3906 SNPs para predecir los valores de mejoramiento estimados genómicamente (GEBVs) de los clones para el contenido de sacarosa y el rendimiento de caña y azúcar. La precisión de la predicción se estimó tanto por la correlación de rango de Spearman como por la correlación de Pearson entre los valores de mejoramiento fenotípicos y los GEBVs. Todos los rasgos mostraron variación significativa con heredabilidad moderada (42% para contenido de sacarosa) a alta (85% para rendimiento de caña y azúcar). La precisión de la predicción basada en la correlación de rango fue alta (0.47-0.80 para contenido de sacarosa; 0.61-0.69 para rendimiento de caña y 0.56-0.72 para rendimiento de azúcar) en todos los modelos de predicción de efecto cruzado donde se consideraron los tipos de suelo y cultivo como efectos fijos. En general, los modelos bayesianos demostraron una correlación más alta que rrBLUP. La correlación de Pearson sin el tipo de suelo y cultivo como efectos fijos fue más baja sin un patrón claro entre los modelos. Los resultados demuestran la implementación potencial de la predicción genómica en el programa de desarrollo de variedades de caña de azúcar de Luisiana.