YOLOv5配置过程详解

测试结果展示：

目录

〇、相关项简介

一、CUDA&cuDNN

（一）Windows

1.官网下载CUDA

2.官网下载cuDNN

3.安装CUDA

3.1temp_path(默认就好)

3.2自定义选项

3.3选择安装位置(建议默认)

3.4安装结果：

3.5 在系统中添加五个环境变量

3.6 在系统变量 Path 的末尾添加环境变量

3.6.1添加

3.6.2添加另外五个环境变量

4.安装cuDNN

4.1解压

4.2复制

5.测试安装成功

（二）Linux

二、Anaconda&PyTorch

（一）Windows

1.官网下载Anaconda

2.安装Anaconda(建议使用默认安装位置)

3.运行、配置Anaconda

3.1运行

3.2添加镜像

 （二）Linux

4.创建虚拟环境、安装PyTorch

4.1创建虚拟环境

4.2激活环境

4.3在所创建虚拟环境下安装pytorch

三、YOLOv5

1.下载源码及权重文件 

2.在激活的虚拟环境中，cd到源码文件夹下

3.在源码文件夹下安装所需库 

4.测试运行

参考：

YOLOv5(PyTorch)目标检测：原理与源码解析-yolov5损失函数,yolov5检测框,yolov5非极大值抑制-深度学习视频教程-人工智能-CSDN程序员研修院

史上最详细yolov5环境配置搭建+配置所需文件_想到好名再改的博客-CSDN博客_yolov5环境配置

win10下安装pytorch报错InvalidArchiveError(‘Error with archive D:\\anaconda\\pkgs\\pytorch-1.2.0-py3.6····_winnie爱学习的博客-CSDN博客

yolov5输出结果无法检测到目标 - 知乎

CUDA（Compute Unified Device Architecture，统一计算架构）是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 

cuDNN 是基于CUDA的用于深度神经网络的GPU加速库，有了它才能在GPU上完成深度学习的计算。

             cuDNN是插入式设计，即所谓安装只需把cuDNN文件复制到CUDA对应文件夹就可以了。

（关于CUDA 与 cuDNN，CUDA与cuDNN - 简书）

Anaconda 是一个用于科学计算的Python发行版，里面预装好了conda、某个版本的python以及一般可能用到的numpy、scipy、pandas等常见的科学计算包及其依赖项。

    Conda 是一个包管理器。

PyTorch 是torch的python版本，是由facebook开源的神经网络框架，专门针对GPU加速的深度神经网络(DNN)编程。

    Torch 是一个经典的对多维矩阵数据进行操作的张量(tensor)库。

（关于PyTorch 与 Torch，pytorch简介_bestrivern的博客-CSDN博客_pytorch简介）

相关官网：

英伟达CUDA Toolkit历史工具包的网址: https://developer.nvidia.com/cuda-toolkit-archive

cuDNN官网 https://developer.nvidia.com/cudnn

pytorch官网 https://pytorch.org/get-started/locally/

pytorch历史版本 https://pytorch.org/get-started/previous-versions/

以下演示示例环境为Windows10/11操作系统，Linux操作系统官网查询下载链接时请选择对应操作系统。

        Windows11安装CUDA11.8(包含环境配置)，参考：

        PyTorch深度学习环境安装(Anaconda、CUDA、cuDNN)及关联PyCharm_anaconda cuda安装_毒爪的小新的博客-CSDN博客TytorchPython机器学习库，基于Torch，用于自然语言处理等应用程序Anaconda：是默认的python包和环境管理工具，安装了anaconda，就默认安装了condaCUDACUDA是一种由显卡厂商NVIDIA推出的通用并行计算架构，该架构使GPU能解决复杂的计算问题，可用来计算深度学习cuDNN：是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。_anaconda cuda安装https://blog.csdn.net/weixin_45266856/article/details/132161796

PyTorch深度学习环境安装(Anaconda、CUDA、cuDNN)及关联PyCharm1. 关系讲解 Tytorch：Python机器学习库，基于Torch，用于自然语言处理等应用程序 Anaconda：是默认的python包和环境管理工具，安装了anaconda，就默认安装了conda CUDA：CUDA是一种由显卡厂商NVIDI…https://betheme.net/xiaochengxu/186919.html?action=onClick

           Windows11多版本CUDA安装，参考:Windows下CUDA多版本共存_多个cuda版本共存-CSDN博客一、 参考资料tensorflow各个版本的CUDA以及Cudnn版本对应关系windows下同一个显卡配置多个CUDA工具包以及它们之间的切换CUDA、CUDNN在windows下的安装及配置二、相关介绍CUDA与显卡驱动没有对应关系，更新显卡驱动到最新版本即可，显卡驱动下载地址。cuDNN与CUDA版本要对应。CUDA是NVIDIA推出的用于自家GPU的并行计算框架，CUDA的本质是一个工具包（ToolKit）。cuDNN是一个SDK，是一个专门用于神经网络的加速包。安装CUDA过程_多个cuda版本共存https://blog.csdn.net/m0_37605642/article/details/117932717

        Windows11安装CUDA11.3(包含环境配置)，参考

        win11+cuda11.3+cudnn11.3+Anaconda+PyTorch_cudn11.3_草古的博客-CSDN博客windos11系统下安装cuda11.3、cudnn11.3、Anaconda、PyTorch全过程。_cudn11.3https://blog.csdn.net/weixin_42179158/article/details/128062850

         Windows11安装CUDA10.2，如下：

查看本机支持的CUDA版本

 选择安装的CUDA版本号 安全，用户的权限 允许“完全控制”

参考：Ubuntu安装Anaconda步骤及常用命令_starky0729的博客-CSDN博客Ubuntu中Anaconda 安装_ubuntu安装anacondahttps://blog.csdn.net/weixin_40964777/article/details/126308001

 ----------------------------------------------------------

注：

pytorch官网 https://pytorch.org/get-started/locally/

pytorch历史版本网站 https://pytorch.org/get-started/previous-versions/

其中 “yolov5_cuda10.2” 是虚拟环境的名字 随便起

这就是虚拟环境具体的位置（其中D:\software\anaconda\Anaconda3为我的anaconda安装位置）：

在所创建环境下安装pytorch：

至此已经安装好Anaconda，使用其创建了虚拟环境，并在虚拟环境中安装了pytorch。

下面下载YOLOv5源码并尝试运行。

GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

最下面：

解压

这是源码的文件结构，weights文件夹是存放权重文件的地方：

下载权重文件到weights文件夹中：

尝试运行：

我的环境：

操作系统：Windows10/11

显卡：NVIDIA GeForce GTX1650

CUDA版本：10.2

YOLOv5版本：4.0

运行结果：

如有错误，欢迎大家指出。