环境配置....

1.查看cuda环境
nvidia-smi   12.3
 
 
2.安装annoconda3与vs与chrom
3.安装pycham（pycharm需要重新启动？）
4.下载cuda
https://developer.nvidia.com/cuda-toolkit-archive
选择合适的版本 这里选择11.7
 
安装时记住安装位置
 
安装完成后，查看nvcc-V

不成功的话就添加path

添加cuda的path 添加anconda的path
 
5.安装cuDNN
https://developer.nvidia.com/cudnn-downloads
https://developer.nvidia.com/rdp/cudnn-archive#a-collapse897-118
 
下载后解压，将这三个文件夹复制到CUDA的安装目录中 
 
添加下面的四个路径到环境变量中 
 
验证是否安装成功 ，在命令行中进入下面的目录，分别执行图中的exe文件，使用命令.\xxxx.exe执行。看到下面中的PASS ，代表安装成功了
 
6.创建python38虚拟环境
启动conda create -n yolo python=3.9
可能会出现报错conda不是内部的命令等情况
将annocada的地址添加到path中
 
 换源

conda config --add channels r

重写文件

channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
show_channel_urls: true

搞定之后装pytorchhttps://pytorch.org/get-started/previous-versions/

conda install pytorch==2.2.1 torchvision==0.17.1 torchaudio==2.2.1 pytorch-cuda=12.1 -c pytorch -c nvidia

 成功之后进行yolov5训练，

https://pan.baidu.com/s/11c49TfGtqAzHAEX3WdEBwA?pwd=3rzb 提取码：3rzb

将yolo5s.pt放到根目录

把coco数据集放在yolov5的平行目录

然后开始训练

python train.py --img 640 --batch 8 --epochs 100 --data ./data/coco128.yaml --cfg ./models/yolov5s.yaml --weights ./yolov5s.pt