Yolov5进阶之五GPU环境搭建

熟悉了yolov5的CPU环境，下一步就是构建GPU环境了。从yolov2 tensorflow keras darknet，原始的GPU构建非常麻烦，不仅要cuda 和cudnn对应，还要和驱动版本完全一致，更要在windows环境设定大量环境变量和路径，这是非常不完美的解决方案。现在yolov5 pytorch已经不存在这个问题，可以说在激活环境下可以一键完成GPU环境的搭建。
首先要检查 自己的显卡支持的cuda版本，因为我现在笔记本做的测试，测试的显卡是MX230，莫笑，训练速度有显著提升的。
右击桌面 nvidia面板 查看cuda

现在我现实的是11.7，实际上我升级驱动之前是10.0.如果你想用支持的新的Cuda版本，请去nvidia 官网下载新的驱动，别担心这个驱动是向下兼容的，你只需安装 支持低于cuda11.7的pytorch，实际上我发这篇文章时，pytorch仅支持到11.3。
升级完驱动后，按照之前的步骤建立起一个隔离的环境，以后cuda cudnn等都在这个环境中运行，不用再去进行环境变量的修改了，我非常烦改环境变量的过程。

如果构建环境和建立独立文件夹部分还有问题，可以看第一篇 yolov5环境快速创建的文章
https://blog.csdn.net/buaaweibin/article/details/125356544?spm=1001.2014.