【深度学习】YOLOV5-WIN10环境搭建（配置+训练
win10下 基于Anaconda、pytorch的YOLOV5深度学习环境搭建
环境配置顺序：显卡驱动 - CUDA - cudnn - Anaconda - pytorch - pychorm
按这个顺序配置可以避免很多莫名其妙的错误出现。另外不用单独安装python，使用Anaconda里的python环境。
目录
win10下 基于Anaconda、pytorch的YOLOV5深度学习环境搭建
一、要根据自己的显卡型号安装对应驱动（一般都有装好的驱动）
二、安装CUDA & cudnn
三、安装Anaconda
四、安装Pytorch环境
五、安装pycharm (验证CUDA和cudnn版本）
一、要根据自己的显卡型号安装对应驱动（一般都有装好的驱动）
这里附上NVIDA官方驱动下载地址：官方驱动 | NVIDIA
根据自己电脑配置选择相应显卡驱动下载安装
安装（更新）好了显卡驱动以后。我们按下win+R组合键，打开cmd命令窗口。输入如下的命令。
nvidia-smi
得到如下图的信息图，可以看到驱动的版本是528.24；最高支持的CUDA版本是12.0版本。
得到显卡的最高支持的CUDA版本，我们就可以根据这个信息来安装环境了。
二、安装CUDA & cudnn
1， CUDA下载地址：CUDA Toolkit 12.2 Downloads | NVIDIA Developer
这是最新版本的CUDA，我们需要根据上面查到的信息安装与自己电脑显卡对应版本的CUDA（下载旧版本的CUDA可以点击下面箭头的网址）。
按照以下所选进行下载cuda安装：
2，cudnn下载安装（选择对应CUDA版本的），下载地址：Log in | NVIDIA DeveloperLog in | NVIDIA DeveloperLog in | NVIDIA Developer
安装完成后便可以配置我们进行深度学习需要的环境了（关于CUDA和cudnn，网上的安装教程很全面，我就不在赘述了），下面配置深度学习环境。
三、安装Anaconda
官方下载网址：Free Download | Anaconda
现在最新版本的anaconda支持python3.10。（若需要下载早期版本，可以打开：网址）
双击下载好的anaconda安装包，just me是说只供当前用户使用。all user 是供使用这台电脑的所有用户使用，是权限问题。点击just me。
然后点击next，修改安装路径（切记不要安装到C盘！！），最好在其他盘中创建一个文件夹来放anaconda，方便后续管理。
按如图勾选，虽然出现红色的警告，但是要勾上，将anaconda添加到环境变量中去。然后点击完成。
安装完成以后，按下开始键（win键）在左边就会出现anaconda3这个文件夹，已经安装好了。
四、安装Pytorch环境
打开anaconda的终端。
创建虚拟环境conda create -n 环境名字（英文） python=x.x（python版本），如下，我就是创建了一个名字叫pytorch，python是3.10版本的环境。
conda create -n pytorch python=3.10
在base环境中执行如上的命令，就会创建一个新的虚拟环境，这个虚拟环境会安装一些基础的包，如下图所示。询问是否安装的时候，输入y。就可以创建环境了。
当安装好了以后，执行conda env list这个命令，就可以看到比一开始多了一个pytorch这个环境（我这里之前安装的环境，名为yolo）。可以在这个环境里面安装深度学习框架和需要Python库。
conda env list
执行如下命令，激活这个环境。'conda activate 虚拟环境名称'
conda activate pytorch
安装pytorch-gup版的环境，由于pytorch的官网在国外，下载相关的环境包是比较慢的，所以我们给环境换源。在pytorch环境下执行如下的命名给环境换清华源。(会魔法的也可以在官网下载）
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
然后打开pytorch的官网（打开比较慢，需要一些魔法），根据自己的显卡版本选择对应的CUDA版本下载安装对应的pytorch，然后将下面红色框框中的内容复制下来，一定不要把后面的-c pytorch -c conda-forge也复制下来，因为这样运行就是还是在国外源下载，这样就会很慢。
将复制的内容粘贴到pytorch环境下的终端，运行就可以了
五、安装pycharm (验证CUDA和cudnn版本）
打开这个pycharm网址，一共有两个版本一个是专业版（Professional），一个是社区版（Community），专业版是收费的。社区版免费，够用，所以按下面的提示下载安装社区版。
将下载好的pycharm安装包，双击。按一下流程安装就行。安装的地址最好不要放在C盘，我是安装在D盘
打开pycharm，创建一个新的工程，来测试anaconda是否在安装pytorch框架的时候也安装了cuda和cudnn。按如下图创建一个工程
按以上的方式创建了一个工程，选择我们在anaconda里面安装的环境，在界面的右下角
我们在创建的工程里面创建一个python脚本，在脚本中运行如下代码，查看是否anconda在安装pytorch环境的时候也安装了cuda和cudnn。
import torch
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())
print(torch.cuda_version)
print(torch.backends.cudnn.version())
可以发现控制台打印出两个True,可以说明cuda和cudnn已经安装。并且可以得到cuda的版本为12和cudnn的版本。
至此在WIN10下的YOLOV5深度学习环境安装完成。接下来可以在此环境下进行深度学习的实验了（详细见下一篇文章）。