YOLOv5的gpu训练环境安装（windows系统，anaconda虚拟python环境）

本人在用YOLOv5进行物体检测时，使用使用detect.py文件时无法调用gpu，下载了pytorch的gpu版本后代码运行会报错，错误信息说是CUDA环境不正确，为此整理了一下CUDA和pytorch环境的安装。

（由报错可知，detect.py选项无法运行并不是因为 gpu 环境未配置好，而是不能使用 gpu ，所以下载好 gpu 版本后，python detect.py --weights yolov5s.pt --source 0 --device cpu依然可以使用 detect.py）

CUDA的版本安装

CUDA下载

在安装 CUDA 之前，先通过nvidia-smi在环境中的命令提示符中查询 CUDA 的最高版本号，如下图所示，只要 CUDA 的版本不高于 CUDA Version 即可，故而我选择下载12.1版本的 CUDA。

本人windows11系统，如下图白标所示下载 CUDA12.1版本。
官网默认给的 12.3版本的CUDA ，如果要下载其他版本，可以去 CUDA Toolkit Archive

CUDA安装

先安装 NVIDIA 安装包 cuda_12.1.0_531.14_windows.exe 文件
进入 NVIDIA安装程序 后，同意并继续 ，然后选择 自定义 ，然后一直默认点 下一步 ，然后在选择安装位置时本人安装在了自定义的文件路径里，继续 下一步。

出现如下图情况，本人选择 I understand 然后继续下载。

安装结束后，如果系统变量中有 CUDA_PATH 的路径，并且使用 cmd 命令 nvcc -V 可以看到如下图所示的信息，则说明 CUDA 安装成功。

如果想在 anaconda 虚拟环境中下载 cuda，则可以使用命令：
conda install -c nvidia cuda-nvcc== (“==”后为你想要的cuda版本号，可以通过 conda search -c nvidia cuda-nvcc 查询)

cuDNN安装

GPU 加速可以用到cuDNN库，有需要可以去 cuDNN网址 下载
如果要下载历史版本，点击红框里的链接即可。作者本人结合安装的 CUDA12.1版本 选择了CUDA 12.X版本进行下载。

将下载好的文件解压缩，并把文件夹里的全部文件复制到cuda自定义安装的文件夹里，然后全部替换。

YOLOv5安装

github网址：https://github.com/ultralytics/yolov5

如果下载速度太慢或者访问不到的话，下方是百度网盘分享
链接：https://pan.baidu.com/s/1GAg15xMwZpPpZp_-JJFLew?pwd=0308
可以直接在 yolov5-master 文件夹下 pip install -r requirements.txt ，这样安装的 torch 是 cpu 版本

PyTorch的GPU版本安装

进入 PyTorch官网
根据自己的电脑系统和下载的 CUDA 版本，选择相对应的命令。
想选择以前的版本，可以去 Previous versions of PyTorch

pip list 后 torch 库如下图所示，则说明GPU版本的 torch 安装完成。

更正：pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
按照官方给的 pytorch12.1 版本并不匹配我的 cuda12.1，重新按照上述命令下载 11.8 版本后，可以调用GPU。（可能是12.1之间亦有差异）