Windows下配置yolov5环境（显卡ＲＴＸ NVIDIA3070TI）

NVIDIA显卡：是一款硬件板子，主流是NVIDIA的GPU，深度学习本身需要大量计算。GPU的并行计算能力，在过去几年里恰当地满足了深度学习的需求。
显卡驱动：告诉计算机识别显卡硬件，调用其计算资源。
CUDA：是NVIDIA推出的只能用于自家GPU的并行计算框架。只有安装这个框架才能够进行复杂的并行计算。主流的深度学习框架也都是基于CUDA进行GPU并行加速的。

cudnn：是针对深度卷积神经网络的加速库。
————————————————
（原文链接：https://blog.csdn.net/jyfhaoshuai/article/details/118640470）

一：查看自己显卡驱动可以支持的CUDA版本的最高版本（注意：RTX30系列显卡只能支持CUDA11以上的版本!）

（通常新版本的显卡驱动应该能支持当前最高支持CUDA版本以下的所有版本，所以要关注显卡驱动能支持的最高CUDA版本。）

1.打开电脑左下角【搜索键】，搜索NVIDIA控制面板，并打开：

2.点击设置Physx设置——帮助——系统信息——组件，即可出现能支持的最高CUDA版本。

（可以看到，我的显卡最高可以支持到CUDA11.4，所以说我安装的CUDA版本应该满足

CUDA11.0＜＝我的CUDA版本＜＝CUDA11.4）

二.安装CUDA

1.打开CUDA Toolkit Archive | NVIDIA Developer，选择自己需要的版本，我这里选择的版本CUDA11.3.0，点Download下载。

2.下载后点击安装，可以选择默认的安装路径。

（安装cuda时，第一次会让设置临时解压目录，第二次会让设置安装目录；

临时解压路径，建议默认即可，也可以自定义。安装结束后，临时解压文件夹会自动删除；

注意：临时解压目录千万不要和cuda的安装路径设置成一样的，否则安装结束，会找不到安装目录的！！！）

选择【自定义安装选项】

安装目录，建议默认即可：

3.在我的电脑右击属性，点【高级系统设置】——【高级】——【环境变量】——【系统变量】

查看：

 

 点【path】——【新建】将这5项添加进去，点击确定。

（这里，我在系统变量和用户变量的path里都把这５项加进去了，因为我不在清楚应该在哪个加，所以都加上了，有懂的大佬，请赐教～）

三.安装cuDNN

1.打开cuDNN Archive | NVIDIA Developer，选择cuDNN v8.2.1的Windows版下载。

2.下载后打开文件，将文件夹中的三个文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3中：

 即完成cuDNN下载。

 四.测试，进入CMD，输入nvcc -V，可以看到CUDA版本为CUDA11.3。

 五.安装Pytorch

1.打开Pytorch官网PyTorch，选择和自己CUDA版本一致的版本。

链接：

pip3 install torch==1.10.1+cu113 torchvision==0.11.2+cu113 torchaudio===0.10.1+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html

2.打开PｙCｈａｒｍ，右击ｖｅｎｖ在Ｔｅｒｍｉｎａｌ中打开，粘贴链接，回车安装。

检查：可以打开File—settings—Project—Python Interpreter可以看到安装的版本

也可以打开CMD，按顺序输入以下三条指令，可以看出torch版本为1.10.1

！！！（注意最后一条指令是torch.__versio__是两个杠杠）

六：运行ｔｒａｉｎ.ｐｙ如果报以下错误，则可以参考成功更改成GPU训练后报错，解决记录_L802380230的博客-CSDN博客

 （以上内容只是个人纪录，如果可以帮到大家一点点我也会感到很幸运～）