配置pytorch-gpu以及yolo环境

1、下载Miniconda，

Miniconda 是一个 Anaconda 的轻量级替代，默认只包含了 python 和 conda，但是可以通过 pip 和 conda 来安装所需要的包。

Miniconda 安装包可以到 https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/ 下载，下载最新即可，然后安装。

2、打开Anaconda prompt，发现base环境安装包很少，这是正常现象，先换源，去

清华镜像anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirroranaconda 使用帮助 | 镜像站使用帮助 | 清华大学开源软件镜像站，致力于为国内和校内用户提供高质量的开源软件镜像、Linux 镜像源服务，帮助用户更方便地获取开源软件。本镜像站由清华大学 TUNA 协会负责运行维护。https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/  

先执行命令，生成 .condarc文件

conda config --set show_channel_urls yes

在C:\Users\ning目录下（ning是用户名）会生成 .condarc文件（这个文件好像是隐藏文件），选择以记事本打开，删除原有内容，将第二个箭头（右侧）指向框内内容粘贴进此文件，保存退出即可

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

清除索引缓存，保证用的是镜像站提供的索引。

conda clean -i

刚刚换的是conda的源，现在换pip的源还是那个网站，ctrl+F搜索pypi，点击进去

先升级pip，再永久换源。

python -m pip install --upgrade pip

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

创建一个名为pytorch-gpu的虚拟环境。（也可指定python为其他版本）

conda create -n pytorch-gpu python=3.9

激活此环境

conda activate pytorch-gpu

 先查看显卡对应的cuda，直接输入

nvidia-smi

我的是3060，最高支持cuda11.7，我选择的是11.3版本，如果输入nvidia-smi报错或者其他不是我这样的界面的，去cmd命令行试试，再不行就先安装nvidia显卡驱动

3、下载cuda，去到网站https://developer.nvidia.com/cuda-toolkit-archivehttps://developer.nvidia.com/cuda-toolkit-archive%E6%89%BE%E5%88%B011.3.0找到11.3.0版本 

 还是挺大的，默认安装即可一直next。

这一步并不需要（2023-7-4实验发现），也就是不需要下载cuda。

去到网站https://download.pytorch.org/whl/torch_stable.htmlhttps://download.pytorch.org/whl/torch_stable.html

要安装gpu版本，主要安装三个包torch，torchvision，torchaudio，我选择的版本是torch-1.10.0+cu113-cp39-cp39-win_amd64.whl，torchvision-0.11.0+cu113-cp39-cp39-win_amd64.whl，torchaudio-0.10.0+cu113-cp39-cp39-win_amd64.whl。然后下载到本地，最好直接放在pytorch-gpu环境目录，我这里是C:\Users\ning\，然后

pip install torch-1.10.0+cu113-cp39-cp39-win_amd64.whl
pip install torchvision-0.11.0+cu113-cp39-cp39-win_amd64.whl
pip install torchaudio-0.10.0+cu113-cp39-cp39-win_amd64.whl

 下载过程应该有报错，提示缺少两个包，但最后都能安装成功（要联网），报错原因，个人猜测miniconda把这两个包给阉割了，毕竟这个软件比正常conda小了10倍不止。

解决方法

pip install packaging

pip install protobuf

就是提示你缺了啥，你就pip install 啥

测试，返回True说明cuda可用

python
import torch
torch.cuda.is_available()

配置yolov5环境，去https://github.com/ultralytics/yolov5https://github.com/ultralytics/yolov5下载yolo文件，code->download zip得到yolov5-master文件，解压，里面有一个requirements.txt，还是将其放在pytorch-gpu环境目录下C:\Users\ning\，直接使用命令

pip install -r requirements.txt

一键配置yolo环境

运行detect.py,不报错即成功

链接：https://pan.baidu.com/s/160pVAxd05XcZyZ2DIcJx8ghttps://pan.baidu.com/s/160pVAxd05XcZyZ2DIcJx8g

提取码：mcp7

--来自百度网盘超级会员V1的分享

以上文件都有。