pytorch(gpu)环境搭建&&yolov5超详细环境搭建gpu版本

一 、cuda Toolkit与torch的关系

1.1 cuda版本的选择

首先查看你的电脑显卡支持的最高CUDA版本，后面的安装不能高于这个版本
按下 win+r 输入cmd 回车,出现命令行后输入 nvidia-smi

下载CUDA（强烈推荐官网）
官网地址：https://developer.nvidia.com/cuda-toolkit-archive

这么多版本到底该用哪个呢，大家请往下看！

1.2 troch版本的选择

pytorch官网:https://pytorch.org/

打开之后是这样的，在底部可以选更多的版本，点这个 Persions versions of PyTorch

这就有写cuda的版本，在cuda装好的前提下直接复制命令即可！

1.3 安装环境

首先看到在torhch官网支持cuda12.8版本

随后打开CUDA Toolkit，找到12.8版本的cuda！（注一般下载的是12.8.0，不要去下载12.8.1）


注意win11按照我这个进行选择，不同系统有不同的选择，都一样的。

下面的路径是安装地址，安装完后会自动删除，选择默认即可，点击【OK】

等待安装完成

点击【同意并继续】

选择【自定义】，点击【下一步】

驱动组件可以全部勾选，点击【下一步】

cmd命令【nvcc -V】查看CUDA是否安装成功，如果出现如下界面表示CUDA安装成功

至此cuda安装成功

1.4 cudnn安装

下载cuDNN（强烈推荐cudnn官网下载）
下载官网：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10

下载cuDNN,先登录，按照提示流程注册、登录即可。

cuDNN选择支持CUDA的版本（刚刚下载的CUDA是哪个版本就选择对应的版本）（CUDA 12.x则代表支持CUDA12代版本的所有版本，例如刚刚下载的12.8），选择对应的系统下载就好了。

解压cuDNN压缩包，然后将cuDNN文件夹里面的几个文件复制到CUDA的安装目录下直接覆盖

覆盖文件

二、安装Anaconda（python环境)

2.1 Anaconda的优势

Anaconda在Python包管理中的主要优势在于其集成的Conda工具，它简化了包的安装、更新和依赖管理，特别适合数据科学领域；通过创建虚拟环境，用户可以轻松隔离项目依赖，避免冲突，并且Anaconda预装了众多常用库，如NumPy和Pandas，大幅提高开发效率。

2.2 下载Anaconda

Anaconda下载官网：https://www.anaconda.com/

点击下载【Free Download】即可

然后点击【Download】

安装Anaconda

点击安装包，然后点击【Next]

同意

点击【Next】

一直next点下去就可以了，能勾选的所有勾选上，安装完成之后，找到这个conda prompt打开，并且固定到任务栏。

打开conda prompt

创建虚拟环境，conda create -n=yolov5_test_t python==3.12

这里-n后面是虚拟环境的名字自己取，这个python版本也可以自己指定，尽量不要太新，上一个版本即可。

创建好之后，输入conda activate yolov5_test_t ，就可以进入到这个环境当中！

这样就进来了，随后找到我们之前的torch官网
复制底下的pip命令 pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128，注意后面不要再加任何加速啊什么的，人家什么样，你就什么样

这样就安装好了，没有报错。验证gpu环境是否可以使用，首先输入python

其次 import torch 和print(torch.cuda.is_available())

返回True即是成功。

至此gpu环境装完
需要自己去查conda命令。很重要
我之后也会写很多博客进行给大家交流，这是一篇安装环境的。
我的qq交流群是976753967，我会在群里解决问题和技术交流。
未经过我允许，不能转载我的文章，包括引用。