深度学习环境搭建——利用anaconda+pytorch搭建自己的深度学习环境（以YOLOv5环境搭建为例）2023.9.26最新
博客主页：是dream
系列专栏：深度学习环境搭建、环境配置问题解决、自然语言处理、语音信号处理、项目开发
每日语录：要有最朴素的生活和最遥远的梦想，即使明天天寒地冻，山高水远，路远马亡。
感谢大家点赞收藏⭐指正✍️
前言
相信大家在搭建自己的深度学习环境时总会遇到各种问题，特别是小白。记得第一次配置自己的深度学习环境时，什么anaconda、pytorch，我都不知道这些东西是干嘛的，就知道一个YOLO，可以识别图像。第一次尝试，含泪配置了两三天，各种问题，最后一塌糊涂，还占了不少内存，删又删不干净，那叫一个痛苦。
这次重装了一下电脑，需要重新配置环境，索性就把这次搭建环境的过程记录下来，一共用了一个半小时。当然这其中也遇到了一些问题， 比如安装pytorch时，11.7的CUDA怎么都安装不了，索性直接安装11.8的CUDA，最后也成功了。
总之，这个教程也可以说是自己搭建环境的一次记录，有需要的朋友可以参考一下。
目录
一、NVIDIA驱动安装以及更新
首先是查看自己的电脑显卡版本：
前往NVIDIA官网下载或更新对应的显卡驱动
通过命令窗口查看最高支持的CUDA版本
二、安装Anaconda、创建虚拟环境
三、pytorch安装
四、YOLO环境配置
下载YOLOv5源码
安装pycharm
配置解释器
添加新的解释器
选择conda现有环境（这里选择我们先前搭建的环境）
在pycharm中打开终端安装依赖
五、测试
一、NVIDIA驱动安装以及更新
首先是查看自己的电脑显卡版本：
1、搜索框搜索设备管理器。
2、点开显示适配器，查看自己电脑显卡版本
这是我的显卡版本：
前往NVIDIA官网下载或更新对应的显卡驱动
链接地址：官方驱动 | NVIDIA
如果您是游戏玩家，希望在新游戏、新补丁和游戏追加下载内容 (DLC) 的发布日第一时间获得支持，请选择 Game Ready 驱动程序。
如果您是内容创作者，优先考虑创意工作流程的稳定性和质量，例如视频编辑、动画、摄影、图形设计和直播等，请选择 Studio 驱动程序。
这里我选择Game Ready。
通过命令窗口查看最高支持的CUDA版本
win+R，输入cmd打开命令窗口，输入下面的命令符：
nvidia-smi
可以看到我的CUDA Version版本最高支持12.2，记下来。
二、安装Anaconda、创建虚拟环境
前往Anaconda官网Free Download | Anaconda安装，这里我直接安装最新版本。当然你也可以选择安装先前版本的AnacondaIndex of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror。
记得要选择添加环境变量：
这里非常建议不要将anconda安装在C盘，因为随着自己学习的深入，需要创建的虚拟环境也会不断增加，占用的内存也会越来越大，所以建议安装在D盘挥着其他盘。(本人深有感触)
安装好之后，win+R输入cmd，打开命令窗口。
输入以下命令符查看自己已有的环境。
conda env list
因为我还没创建环境，所以只有一个基本的base环境。
输入以下命令创建自己的环境（自己在跑项目的时候，会用到这个环境，如果自己电脑上跑多个项目的时候，不同的项目对环境的依赖也会不同，所以需要创建一个特定的环境，来支持某一个特定的项目）
conda create -n yolo_v5 python=3.9 这里yolo_v5是虚拟环境的名字，也可以根据自己的需求更改。
python=3.9代表创建环境依赖的python等于3.9，后面也可根据项目的需求更改python的版本。
输入y表示确认下载。
三、pytorch安装
Conda 以及 Pip快速换源-CSDN博客。
首先需要进入到自己创建的环境，命令窗口输入以下代码：
activate yolo_v5
这里说明一下，旧版本的anaconda在激活环境的时候命令是conda activate yolo_v5
前往pytorch官网：PyTorch
这里我安装CUDA 11.8的版本，通过以下代码安装：
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
OK，安装完成
四、YOLO环境配置
下载YOLOv5源码
github地址：GitHub - ultralytics/yolov5: YOLOv5 in PyTorch > ONNX > CoreML > TFLite
安装pycharm
很简单，这里不再细讲，pycharm安装地址：Download PyCharm: Python IDE for Professional Developers by JetBrains
配置解释器
添加新的解释器
选择conda现有环境（这里选择我们先前搭建的环境）：
在pycharm中打开终端安装依赖：
输入以下代码，安装依赖：
如果这里下载特别慢的话，可以参考这个文章，更换自己的pip和conda源。Conda 以及 Pip快速换源-CSDN博客
首先先安装matplotlib，速度会快一点，然后运行第二行代码，安装依赖。
pip install -i https://mirrors.aliyun.com/pypi/simple/ matplotlib pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt
接下来就可以运行自己的yolov5了。如果你还不能运行，提示缺包，最简单的办法就是：
pip install 包名pip 不行就用：
conda install 包名五、测试
效果还是可以的，原生的YOLOv5+GPU速度可以达到毫秒级。这里速度慢主要是我调用了车牌识别的API。
