yolov7环境配置（pytorch-gpu配置）

1 anaconda 安装（去官网下载即可）

要会使用anaconda的环境，下面的实验基本都是在anaconda中管理python环境

2 虚拟环境下配置代码环境

这样做的目的主要是不把conda的base环境弄得混乱不堪，弄错或者有问题在虚拟环境中直接删除重来就行，conda的虚拟环境位于anaconda目录下的envs目录里
-n 后面是指定虚拟环境名字，可以随意起

conda create -n yolo python==3.7

激活环境后，这里可以看到prompt终端前面的括号内容变化，从（base）-> （yolo）

conda activate yolo

3 pytorch 安装

查看自己电脑支持的cuda最高版本（在cmd终端中查看）：

nvidia-smi

下面两种方法并没有说安装cuda和cudann，理论需求的cuda版本是10.0，实际情况下，安装pytorch会包含cuda等相关驱动（一些博客说的的，实践证明确实不需要再安装什么cuda等，也省去了版本难以对齐的问题），或者说现在大部分Win10的电脑已经有相关驱动，总之，下载之后是可以直接用的
方法一（一般情况下该方法速度比较快）：
去这个网站下载轮子：http://download.pytorch.org/whl/torch/
需要版本：torch=1.2.0 torchvision=0.4.0
下载后，在终端用cd命令到whl下载的目录，之后pip install + 轮子文件名
方法二(这种是官网下载，速度可能快可能慢，绝大部分情况会慢，我当时速度是6Mb/s，不懂为啥速度很快)
文件主体大小约800Mb

pip install torch=1.2.0 torchvision=0.4.0 -f https://download.pytorch.org/whl/torch_stable.html

验证安装成功（在yolo环境下，及刚刚上面创建的虚拟环境下，运行一段Python程序，看看是否报错）：

import torch
print(torch.cuda.is_available())

输出结果为TRUE说明安装成功