3060显卡-yolov5-GPU环境搭建的一些建议
当你能够搜索3060时，我能感同身受到你能有多绝望！
这篇文章受众很小，仅支持使用NVIDIA 3060 显卡来使用yolov5训练模型的用户
***NIADIA 3060 仅支持cuda 11.1 以上版本***
（这是我在搜索中找到的一条信息，原地址给忘记了，所以不能给出转载地址，我之前用的是cuda10.2版本，在使用yolov5时不能调用GPU)
因网速受限，Aconda、cuda、cuDNN 都是离线下载，再用pip按安装的
我选择的是cuda11.5、支持cuda11.5的pytorch1.11
关键词:
yolov5
NVIDIA 3060
Python=3.9
接下来说一下步骤：
1、anaconda安装和虚拟环境创建这个就不在赘述
2、下载cuda（手动下载）
CUDA Toolkit Archive | NVIDIA Developer
安装cudaa，默认路径就行，一般是会安装到这个路径的，因为cuda就是NVIDIA开发的平台
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
3、下载cuDNN
这需要注册账户，登录上可以下载，我登录很顺畅，可以私信我给传网盘链接
NVIDIA cuDNN | NVIDIA Developer
cuDNN不需要安装，下载好后解压，将其中三个文件夹里的内容对应复制到cuda所在路径下相同文件夹下就行（是文件夹里的文件复制到cuda路径同名的文件夹内）
到这cuda、cuDNN安装完成
3、下载pytorch（手动下载）
https://download.pytorch.org/whl/torch_stable.html
cu表示是GPU版本 / cpu表示是电脑不带显卡的，用cpu进行训练的
cp39表示python=3.9版本
win表示windows系统
我将torch ，torchvision放在桌面上
桌面空白处shift+鼠标右键 点开 powershell 输入
pip install .\torch-1.11.0+cu115-cp39-cp39-win_amd64
pip install .\torchvision-0.12.0+cu115-cp39-cp39-win_amd64
（这里直接用pip安装就行，环境变量会自动生成，不用担心安装位置，我本身也就一个盘）
4、验证能不能用GPU
打开Anaconda Prompt
①先激活创建的虚拟环境，我创建的这个虚拟环境名字就叫 "pytorch"
②输入：python，进入python
③输入：import torch （其实上边安装完torch，要用这一步验证下，在这输入后没有报错，说明torch安装成功了）
④输入：torch.cuda.is_available()
终于返回True
到这已经说明用yolo训练模型是用GPU了
5、yolov5验证
红框框出的是GPU,真的比cpu快不少，
ps：在检测一个七分钟的视频用了不到五分钟，运行时查看GPU的使用情况才不到10%
再次声明，本文受众很小，且有些不确定因素，只是本人在实践过程中的一些总结
希望能帮助一些人，可能文中有错误的地方，也希望大佬能够及时指正，感谢阅读。