Window和Ubuntu配置YoloV5(GPU)环境简易总结版

前言

最近服务器到了，A6000是真的顶，又面临了配置环境的问题，还记得刚开始学习的时候，一直搞不懂这其中的关系，之前也只是配置过window的GPU版本，而没有配置过ubuntu版本，这回也在ubuntu上成功配置了YoloV5环境，现在总结一下。

这里只是简易总结版，详细的可以去看下这个yolov5环境配置(ubuntu)

不过大同小异，重要的是步骤以及每一步做什么。

第一步：显卡驱动

这个是配置环境的第一步。

显卡驱动，不管你拿到手的机器是window还是ubuntu，一般厂家都会给你安装的。

window是在桌面，右键NVDIA控制面板中–帮助—系统信息中找到。
ubuntu也可以在软件和更新中找到。当然，也可以用命令查看，这里偷懒不放了。

这里记下驱动版本，第二步会再次确认一下。、

因此，第一步就是查看显卡驱动版本，如果没有相应的驱动，需要安装显卡驱动；有的话，就记一下版本号。

第二步：CUDA安装

查看显卡CUDA的版本号，在window和ubuntu中通过相应命令终端，nvidia-smi查看。

这里可以看到，我是CUDA版本是12.1。记住这里的CUDA是显卡的CUDA版本，而非用于深度学习加速的CUDA版本。

现在让GPT来解释下二者的关系。

CUDA是一种并行计算平台和编程模型，它允许使用NVIDIA的GPU进行通用计算。
在深度学习中，CUDA被广泛应用于加速神经网络的训练和推理。
深度学习的CUDA是基于CUDA平台开发的，专注于使用GPU加速深度学习算法的运算，通过CUDA可以在GPU上快速执行各种矩阵运算和神经网络算法，提高深度学习的算法速度和效率。
因此，虽然两者都使用了CUDA技术，但是CUDA更多地被用于通用计算，而深度学习的CUDA则是为深度学习特定的任务优化的。

也就是说，我们第二步要安装的CUDA主要是用于GPU加速深度学习算法的。

现在访问CUDA和驱动对应关系的网站：CUDA和显卡驱动对应关系
可以在这张表中看到CUDA和显卡驱动Driver的对应关系，这一步的主要目的是为了确认第一步的显卡驱动版本满足与接下来要下载的CUDA的对应关系。

而最左边的CUDA Toolkit也就是我们第二步需要安装的CUDA，更简单理解，是算法跑起来用到的CUDA。

因此这里的关系是，要安装的CUDA的版本<= 通过nvidia-smi查出的cuda版本，同时满足下表的驱动版本。

好的，清楚关系后，现在安装CUDA，下载链接：CUDA下载链接

根据window和ubuntu和自己系统的情况，根据官网教程，安装即可。

安装完成后，可以通过终端nvcc -v查看版本，ubuntu应该是nvcc --version，查出的版本才是真正运行的cuda版本。

第三步:Cudnn安装

安装完CUDA后，就可以根据CUDA版本对应下载CudNN进行安装。

CuDNN是CUDA（Compute Unified Device Architecture）深度神经网络的加速库，由NVIDIA公司开发。cuDNN针对卷积神经网络（CNN）等神经网络结构的训练和推断进行了优化，可在具有NVIDIA GPU的计算机上实现快速训练和推断。

在这里的Cudnn需要对应第二步的CUDA版本安装。而cudnn的安装稍微麻烦点，需要注册邮箱账号，并且通过邮箱认证后进行安装，认证完成后，就可以选择window或者ubuntu的cudnn版本进行安装。

详细的教程就不写了，这一步主要是根据CUDA版本安装对应版本的Cudnn。

cudnn一般是压缩包形式，替换CUDA中相应的文件即可。

第四步：Anconda安装

这一步就不用细说了，安装window和ubuntu的Anconda就行了。

安装完成后，就可以创建为yolov5创建基础的anconda环境了。

conda create -n yolov5 python=3.8

第五步：下载yolov5代码，并配置相应环境。

这里可以去直接在官网下载就行，当然ubuntu也可以用git。

yolov5下载

下载完成后，在yolov5-master的目录下， 打开终端，激活第四步的yolov5的conda环境，进行requirements的库安装。

一般步骤是：

# 激活环境
conda activate yolov5
# 下载并安装相应的yolov5库
pip install -r requirements.txt

window额外下载

window如果想使用GPU，需要额外去官网下载对应的pytorch。pytorch下载

这里是个坑，由于国内镜像源很多下载的不是GPU版本的pytorch，因此建议根据官网命令下载pytorch。

第六步：推理或训练

完成前五步，其实就可以开始进行训练或者是推理了，当然，如果觉得命令行改参数不方便，也可以下载pycharm并配置相应的conda的yolov5环境就好。

总结

这里没有过于详细的描述安装过程，window和ubuntu安装不一样，但整体配置yolov5的环境的步骤是相同的。

再次总结：

1.确认显卡驱动
2.满足显卡驱动版本情况下， 安装相应cuda
3.满足相应cuda版本情况下， 安装cudnn
4.安装Anconda，并创建yolov5环境
5.下载yolov5算法，进入conda的yolov5环境，安装requirements.txt

接下来，愉快的detect或者train吧。