Windows11下yolov5环境配置系列教程（进阶部分）

配置好最基本的环境以后，开始我们正式的yoloV5测试
基础配置教程详见：https://blog.csdn.net/u010416569/article/details/125981012

三、查看自己显卡适合的cuda与cudnn版本

1.查看自己显卡适合的cuda
打开英伟达控制面板，

进入左下角系统信息

点击组件即可看到自己的英伟达显卡适合的cuda版本

2.查看与自己的cuda版本对应的cudnn

如果图中没有你所需要的版本，可以自行上Nvidia官网查询 CUDNN

四、下载相应的pytorch，cuda与cudnn版本

更改通道（为了下载的更快）

1.用txt形式打开C:\Users\SKY该目录下.condarc文件

2.将如下代码全部复制进该txt

channels:
  - defaults

show_channel_urls: true

default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud`

下载相应的pytorch，cuda与cudnn
-1.进入官网寻找相应pytorch版本
官网链接：https://pytorch.org/get-started/locally/
根据自己的需求选择，如图所示，我们用cuda11.1为例

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge

-2.打开cmd，激活你为yolov5配置的环境

activate 你的环境名

-3.下载pytorch
输入上一步复制的代码

正在下载

下载完成

3.查看环境中的配置
输入以下代码查看环境中的配置

conda list

以下为到这一步位置环境中应有的配置，主要看这两个

cudatoolkit               11.1.1               heb2d755_7    conda-forge

pytorch                   1.9.0           py3.8_cuda11.1_cudnn8_0    pytorch

（这个cudatoolkit是包含在从官网下载的pytorch的包里的,所以不用另外下载一个CUDA）

(yolo) C:\Users\SKY>conda list
packages in environment at C:\me\Anaconda3\envs\yolo:
Name                    Version                   Build  Channel
blas                      2.111                       mkl    conda-forge
blas-devel                3.9.0              11_win64_mkl    conda-forge
ca-certificates           2021.7.5             haa95532_1    https://repo.anaconda.com/pkgs/main
certifi                   2021.5.30        py38haa95532_0    https://repo.anaconda.com/pkgs/main
cudatoolkit               11.1.1               heb2d755_7    conda-forge
freetype                  2.10.4               h546665d_1    conda-forge
intel-openmp              2021.3.0          h57928b3_3372    conda-forge
jpeg                      9b                   hb83a4c4_2    defaults
libblas                   3.9.0              11_win64_mkl    conda-forge
libcblas                  3.9.0              11_win64_mkl    conda-forge
liblapack                 3.9.0              11_win64_mkl    conda-forge
liblapacke                3.9.0              11_win64_mkl    conda-forge
libpng                    1.6.37               h1d00b33_2    conda-forge
libtiff                   4.2.0                hd0e1b90_0    defaults
libuv                     1.42.0               h8ffe710_0    conda-forge
lz4-c                     1.9.3                h8ffe710_1    conda-forge
m2w64-gcc-libgfortran     5.3.0                         6    conda-forge
m2w64-gcc-libs            5.3.0                         7    conda-forge
m2w64-gcc-libs-core       5.3.0                         7    conda-forge
m2w64-gmp                 6.1.0                         2    conda-forge
m2w64-libwinpthread-git   5.0.0.4634.697f757               2    conda-forge
mkl                       2021.3.0           hb70f87d_564    conda-forge
mkl-devel                 2021.3.0           h57928b3_565    conda-forge
mkl-include               2021.3.0           hb70f87d_564    conda-forge
msys2-conda-epoch         20160418                      1    conda-forge
ninja                     1.10.2               h5362a0b_0    conda-forge
numpy                     1.21.2           py38h089cfbf_0    conda-forge
olefile                   0.46               pyh9f0ad1d_1    conda-forge
openssl                   1.1.1k               h8ffe710_1    conda-forge
pillow                    8.3.1            py38h4fa10fc_0    defaults
pip                       21.0.1           py38haa95532_0    https://repo.anaconda.com/pkgs/main
python                    3.8.11               h6244533_1    https://repo.anaconda.com/pkgs/main
python_abi                3.8                      2_cp38    conda-forge
pytorch                   1.9.0           py3.8_cuda11.1_cudnn8_0    pytorch
setuptools                52.0.0           py38haa95532_0    https://repo.anaconda.com/pkgs/main
sqlite                    3.36.0               h2bbff1b_0    https://repo.anaconda.com/pkgs/main
tbb                       2021.3.0             h2d74725_0    conda-forge
tk                        8.6.11               h8ffe710_0    conda-forge
torchaudio                0.9.0                      py38    pytorch
torchvision               0.10.0               py38_cu111    pytorch
typing_extensions         3.10.0.0           pyha770c72_0    conda-forge
vc                        14.2                 h21ff451_1    https://repo.anaconda.com/pkgs/main
vs2015_runtime            14.27.29016          h5e58377_2    https://repo.anaconda.com/pkgs/main
wheel                     0.37.0             pyhd3eb1b0_0    https://repo.anaconda.com/pkgs/main
wincertstore              0.2                      py38_0    https://repo.anaconda.com/pkgs/main
xz                        5.2.5                h62dcd97_1    conda-forge
zlib                      1.2.11            h62dcd97_1010    conda-forge
zstd                      1.4.9                h6255e5f_0    conda-forge

我们可以看到，环境中虽然有cuda和pytorch，但是并没有cudnn，所以我们还要下载一个对应版本的cudnn

输入

conda install cudnn==8.1.0
		（该cudnn版本应与你的cuda对应，具体看上方教程）

五、配置Yolov5相关环境

1.下载Yolov5
可以通过该链接下载 https://github.com/ultralytics/yolov5

也可以通过我的百度云下载我正在使用的yolov5版本 https://pan.baidu.com/s/1cG6Cle2N4G274TdnnOB0Wg
提取码：cqdy

2.配置Yolov5所需要的环境,我们解压所下载的yolov5压缩包并打开
注意，yolov5文件要放在纯英文路径
找到一个名为requirements.txt的txt文件

复制这一段，如下

pip install -r requirements.txt

打开CMD，激活你所配置的环境,进入你解压好的yolov5文件路径

activate yolo
cd C:\Users\SKY\Downloads\yolov5-4.0(cd到你自己安装yolov5的文件路径)
输入 pip install -r requirements.txt

那么我们yolov5所需要的环境就配置好了

3.下载Yolov5权重文件
链接：https://pan.baidu.com/s/1RkbcY07rpKSFcDZKzM5R0g
提取码：cqdy

将该权重文件放置在yolov5文件内

六、测试Yolov5是否可以正常使用

1.下载pycharm
官网下载 https://www.jetbrains.com/pycharm/download/#section=windows
百度云下载 链接：https://pan.baidu.com/s/10clX9scYVFSwGrA9bR1Org
提取码：cqdy

2.配置pycharm
打开pycharm

3.测试yolov5是否可以正常使用
右键运行程序

可以看到我们的CUDA是正常使用的

运行完成，它告诉我们结果放在了exp3里，我们点开来看看

测试成功


总结，在这个过程中，会遇到很多问题。而且每个人的问题也不尽相同，为了教程的简洁性，就不对遇到的问题展开了。后面有机会会专门就常见问题，汇总一篇帖子。谢谢大家！