在Linux系统配置yolov5环境（tensorflow-gpu、cuda、cudnn）

学习yolov5时，在搭建深度学习环境上花了不少时间，因此想运用这篇文章记录一下正确的环境配置方法，希望对大家的学习有所帮助。

1.安装conda

安装conda：从https://docs.conda.io/en/latest/miniconda.html#linux-installers下载miniconda，

命令为：wget https://repo.anaconda.com/miniconda/Miniconda3-py38_4.12.0-Linux-x86_64.sh

安装conda：bash Miniconda3-py38_4.12.0-Linux-x86_64.sh

2.查看自己的电脑显卡所支持的cuda版本

​

例如作者自己电脑所支持的最大cuda版本为11.4

3.查看tensorflow、cuda、cudnn之间的对应关系

 因为使用tensorflow-gpu需要使用cuda和cudnn，并且它们三者之间的版本关系必须相互对应，所以要先根据自己的显卡信息寻找对应版本的tensorflow-gpu版本。这里版本对应关系请参考作者的另一篇文章：

Linux系统TensorFlow、CUDA、cuDNN不同版本的对应关系_安瑜丶的博客-CSDN博客

4.创建虚拟环境并安装相关包

（1）创建虚拟环境

作者这里创建了一个名为tf25、python版本为3.9的虚拟环境。 

（2）激活环境、安装tensorflow-gpu

这里使用pip安装，如果使用conda安装，它会自动安装cuda和cudnn。

（3）用conda安装cuda和cudnn

 

 

 （4）配置Pycharm环境

 

选择Add Interpreter将虚拟环境的路径添加进去，就完成了Pycharm环境的配置。

并且，通过上面的操作可以查看我们所安装的tensorflow-gpu、cuda和cudnn版本。查看是否正确。 

 5.验证GPU

如果输出为True，则正确。

 6.安装yolov5需要的相关库

yolov5需要的库：scipy numpy matplotlib opencv-python tqdm Pillow h5py

打开Pycharm的Terminal（终端），直接pip install 库名 就可以进行安装了。

总结：

以上就是安装的全部过程了，也是作者自己配置环境的方法；这也是作者通过不断的尝试和学习总结出来的安装经验和方法，希望可以帮助到大家，如果大家有什么疑问，请在评论区留言；作者看到了会及时为你解答。