YOLOv5项目

一、深度学习环境前期装备工作安装

1.1利用GPU进行深度学习

安装NVIDIA驱动：

查看自己电脑版本的显卡类型：步骤为：此电脑右击-->管理-->设备管理器-->显示适配器

1.2在英伟达官网下载对应的显卡驱动官方驱动 | NVIDIA，输入产品信息，点击搜索，进行下载

下载完成后、点击下载程序，不断的下一步即可安装成功

1.3 Win+R ： nvidia-smi 查看cuda版本：我的cuda版本最高支持11.7

1.4 Anaconda安装

安装Anaconda版本：Anaconda3 2021.05

1.5 pytorch安装

按下开始键（win键），打开anaconda的终端，查看有哪些环境：conda env list

创建一个虚拟环境：conda create -n pytorch python=3.8

激活虚拟环境：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。

conda config --add channelshttps://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channelshttps://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --add channelshttps://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

conda config --setshow_channel_urls yes

打开pytorch的官网：PyTorch

由于开头我们通过驱动检测到我的显卡最高支持cuda11.7版本，所以我们选择cuda11.3版本的cuda，然后将下面红色框框中的内容复制下来：

conda install pytorch torchvisiontorchaudio cudatoolkit=11.3

复制的内容粘贴到pytorch环境下的终端，运行即可

1.6 Pycharm安装-验证CUDA和cudnn版本

打开pycharm官网，下载pycharm社区版安装即可

打开pycharm，创建新工程new project

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11.3和cudnn的版本为8.05版本

深度学习环境已经完成搭建。