1.1 CDUA

1.1.1 CUDA Toolkit 及显卡驱动版本对应关系

• https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

1.1.2 cuda下载网址

• https://developer.nvidia.com/cuda-toolkit-archive

1.1.3 cudnn下载网址

• https://developer.nvidia.com/rdp/cudnn-archive

1.1.4 cuda安装

先查看显卡驱动版本 ， cmd 命令输入 ：nvidia-smi

电脑当前驱动版本是 528.92， DUCA 版本最高能安装 12.0

因为电脑显卡驱动版本为 528.92 ， 所以最高能安装版本红框中所圈

• 选择对应的版本下载好后安装
  
  

• 如果当前版本比要安装的版本高， 那么就把要安装的版本去掉勾选， 即不安装
  

• 安装位置可以自己更改， 但是c 盘仍然会安装一部分
  

• 显示没安装 visual Studio ， 安装与否不影响使用
  

安装完后命令行输入

• nvcc -V ： 查看版本命令
  

安装遇到的问题

选择将 cuda 安装到D盘，但是仍有一部分会被安装进c盘

1.1.5 cuda卸载

卸载时只需保留 NVIDIA Geforce 、 NVIDIA PhysX , NVIDIA 图形驱动程序

卸载完删除文件夹

1.2. cuDNN

选择与 CUDA 版本对应的 cuDNN 下载，然后将 cudnn解压， 复制 cudnn 文件夹中所有文件 到安装文件夹中

1.3. cuda 多版本切换（10.2 切 11.7）

• 更改成要用的 版本
  
• 将要用的版本移上去
  
  重新打开终端再次输入 nvcc -V 查看版本
  

2. Anaconda

下载地址清华镜像
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

Anaconda优势

• 节省大量的安装和配置时间
• 创建和管理多个独立的Python环境
• 提供数据分析和机器学习的工具

安装

选择一个版本下载

2.1.1 自动配置环境变量

• 勾选添加环境变量， 不然后面要手动添加
  

2.1.2 手动配置环境变量

将安装路径 和 scripts 放进环境配置当中

2.1.3 anaconda配置镜像源

https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/

按照网址上面的步骤去执行

2.1.4 conda命令

• 查看版本
  nonda -V

• 更新conda
  conda update conda

• 显示所有已创建的虚拟环境
  conda env list
  conda info -e

• 创建环境命令
  conda create -n yolo python=3.8

yolo：环境名称， 虚拟环境存放位置在安装目录下 envs 中

• 切换虚拟环境
  conda activate yolo

• 退出当前环境
  conda deactivate

• 删除当前虚拟环境
  conda remove -n yolo --all

• 列出当前虚拟环境安装的包
  conda list

• 查看要安装的包有哪些版本
  conda search numpy

• 在当前环境中安装 numpy包
  conda install numpy （不指定版本将安装最新版本）

• 删除某个包
  conda remove numpy

• 显示详细信息
  conda info

2.1.5 更改虚拟环境保存位置

打开用户路径下面的 .condarc 文件， 修改内容

2.2Miniconda

• 下载地址: https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/
  如果C盘有空间，最好安装在C盘，且安装目录中不要有中文，勾选将其添加到PATH

• conda create -n yolov5 python=3.8
  创建名称为yolov5 ， python指定3.8版本， 版本过高会有些包装不上

• conda activate yolov5
  使用环境前先激活环境

• conda deactivate
  退出当前环境

• conda remove -n yolo5 --all
  删除环境

• conda info
  查看信息

• conda info --env
  查看当前所有环境

pip 和 conda 用哪个？

• pip和conda到使用哪个
  在一个单独的环境中，能使用pip就尽量使用pip，实在有问题的情况，再使用conda进行安装，不要来回混淆。防止后面环境混乱。

• CUDA是否必须安装
  如果只需要训练、简单推理，则无需单独安装CUDA，直接在官网搜索对应的版本通过pip安装即可
  如果需要编译、部署等，那么还是需要单独安装CUDA的，这部分大家可以自行百度

• 显卡16XX的安装问题
  1.如果想一切顺利运行，尽量安装cu10.x的pytorch版本，否则会出现预测失效、训练过程中Loss为nan、各项指标均为0的情况
  2.如果必须安装cu11.x的版本，则需要修改代码中半精度的部分，才能避免上述问题

• 显卡30XX的安装问题
  30系列的显卡不再支持cuda10，因此务必安装cu11.x的pytorch版本，否则将出现如下错误

2.2.1 安装Miniconda （python环境）

2.2.2 配置镜像源

• pypi 配置国内源，加速下载
  https://mirrors.tuna.tsinghua.edu.cn/help/pypi

复制粘贴

2.2.3 更改虚拟环境保存位置

我是把 miniconda 安装在了E盘， 然后给安装位置的文件夹更改了权限：右键-属性-安全-Users修改权限-完全控制（全部打勾）

另一种方法就是 需要修改配置文件.condarc（如果没有这个文件需要新建）

"C:\Users\xxx\.condarc"  //文件位置

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults
envs_dirs:
  - E:\Anaconda3\envs

这样就能让E盘路径变为首选安装位置。顺便还加了清华源

2.2.4 创建虚拟环境

• conda create -n yolov5 python=3.8

打开终端 输入命令，创建名称为 yolov5， python 版本为 3.8的虚拟环境

3. Pytorch

3.1 安装Pytorch

• 官方地址: https://pytorch.org/
  
  在一个单独的环境中，能使用pip就尽量使用pip，实在有问题的情况，例如没有合适的编译好的系统版本的安装包，再使用conda进行安装，不要来回混淆

• 16XX的显卡，安装cu102的版本，否则可能训练出现问题

• 30XX、40XX显卡，要安装cu111以上的版本，否则无法运行

装 pytorch 时要对应 cuda 版本

• 先进入虚拟环境，再复制命令运行
  

3.2测试pytorch 是否安装成功，能否调用 CUDA

安装完pytorch 后检查是否安装成功 ，能否调用 cuda？ 在虚拟环境下输入以下代码

import torch					# 如果pytorch安装成功即可导入
torch.__version__				# pytorch 版本
torch.cuda.is_available()		# 查看CUDA是否可用
torch.cuda.device_count()		# 查看可用的CUDA数量
torch.version.cuda				# 查看CUDA的版本号

• 代码如图显示
  

3.3 Miniconda可以用pip安装

在安装pytorch 时， 环境会下载对应的 CUDA，是作用于当前的环境（局部）。 而自己官网下载的 CUDA 是作用全局的。

有显卡， 显卡驱动支持 pytorch 下的 CUDA 版本， 就能调用GPU

为什么电脑装了pytorch没有安装cuda，还是能够使用gpu？

• CUDA有两个主要的API：runtime(运行时) API和driver API。这两个API都有对应的CUDA版本（如9.2和10.0等）
• https://www.zhihu.com/question/378419173
• https://www.cnblogs.com/marsggbo/p/11838823.html

我电脑能支持的最大版本， 当装了11.1时， 若不支持， 省级一下驱动

3.4 测试能否调用GPU

device 在 cuda:0 上的时候就是pytorch正常安装了， 并且可以成功调用GPU。CUDA和 CUDNN 不一定非要装， 只要显卡驱动版本能支持CUDA ， 并且电脑里有GPU 就可以。

30、40系显卡一定装11.1以上版本

4. yolov5 安装

• YoloV5代码网址
  Github地址: https://github.com/ultralytics/yolov5

5.1 下载yolov5 源码

yolov5 master 版本一直随着 yolov8调整， master 版本一直变动。

• 下载 7.0版本的源码
  
  
  

5.2 安装yolov5环境前修改 requirements.txt

requirements.txt（安装 yolov5 所依赖的包的版本）

5.2.1 调整3各部分

1. 调整 numpy==1.20.3
2. pillow==8.3.0
3. 注释掉torch, torchvision （注释掉是因为 安装pytorch时已经装过了，并且版本符合上面的要求。 若不注释让它自己装，很有可能装成 CPU 的版本）
   

5.4 安装yolov5环境

requirements（库文件及依赖） 的安装， 在requirements.txt 所在路径位置输入 cmd， 进入

激活环境

• conda activate yolov5
• pip install -r requirements.txt

进行模型检测示例， +cu 就是GPU 版本， +cpu 就是CPU版本（没装正确）， 可以复制链接去浏览器下载

• python detect.py （预训练好的模型）
  

环境安装完毕