yolov7环境配置（pytorch-gpu配置）

1 anaconda 安装（去官网下载即可）

要会使用anaconda的环境，下面的实验基本都是在anaconda中管理python环境

2 虚拟环境下配置代码环境

这样做的目的主要是不把conda的base环境弄得混乱不堪，弄错或者有问题在虚拟环境中直接删除重来就行，conda的虚拟环境位于anaconda目录下的envs目录里
-n 后面是指定虚拟环境名字，可以随意起

conda create -n yolo python==3.7

激活环境后，这里可以看到prompt终端前面的括号内容变化，从（base）-> （yolo）

conda activate yolo

3 pytorch 安装

查看自己电脑支持的cuda最高版本（在cmd终端中查看）：

nvidia-smi

下面两种方法并没有说安装cuda和cudann，理论需求的cuda版本是10.0，实际情况下，安装pytorch会包含cuda等相关驱动（一些博客说的的，实践证明确实不需要再安装什么cuda等，也省去了版本难以对齐的问题），或者说现在大部分Win10的电脑已经有相关驱动，总之，下载之后是可以直接用的
方法一（一般情况下该方法速度比较快）：
去这个网站下载轮子：http://download.pytorch.org/whl/torch/
需要版本：torch=1.2.0 torchvision=0.4.0
下载后，在终端用cd命令到whl下载的目录，之后pip install + 轮子文件名
方法二(官网下载，速度可能快可能慢)
文件主体大小约800Mb

pip install torch=1.2.0 torchvision=0.4.0 -f https://download.pytorch.org/whl/torch_stable.html

验证安装成功（在yolo环境下，及刚刚上面创建的虚拟环境下，运行一段Python程序，看看是否报错）：

import torch
print(torch.cuda.is_available())

输出结果为TRUE说明安装成功

需求文档

在yolo环境下conda 或者pip安装对应版本即可，下载速度慢可以加上参数 -i 指定源

• 阿里云 https://mirrors.aliyun.com/pypi/simple/
• 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
• 豆瓣(douban) http://pypi.douban.com/simple/
• 清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
• 中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

scipy==1.2.1
numpy~=1.21.6
matplotlib==3.1.2
opencv_python==4.1.2.30
torch==1.2.0
torchvision==0.4.0
tqdm~=4.64.1
Pillow==8.2.0
h5py==2.10.0
##格式参考如下
pip install scipy==1.14.0  -i https://pypi.tuna.tsinghua.edu.cn/simple/

也可以去这个网站下载对应包安装：https://pypi.org/