利用GPU（CUDA）跑YOLO V5（Windows环境）（一）
一、配置基本软件与环境（十分甚至九分的重要）
Python（3.7-3.9为佳）
参考网址：Download Python | Python.org
不装个人感觉也可以，后面Anaconda配置虚拟环境时会附带Python。
PyCharm（可以装最新版本，有米装Pro，没米装Community够用）
参考网址：Download PyCharm: Python IDE for Professional Developers by JetBrains
Anaconda（笔者在学的时候最头疼的就是这玩意儿）
参考网址：Anaconda | Anaconda Distribution（推荐最新）
你想找老版本也可以进Index of / (anaconda.com)
而且值得注意的一点，Anaconda的安装目录不能有中文、空格或者其他特殊字符，只有英文字母、数字和下划线，否则后续读取时会出现非正常的路径等问题。
安装后配置环境向量，如果你是Windows 10及以上用户，你可以直接在任务栏的搜索框搜索“编辑系统环境变量”，以下版本可以通过传统方法：右键“计算机”点“属性”再点“高级系统设置”就会找到“环境变量”。（如果Windows 10以上用户没开搜索框也可以采用传统方法）
这里我们点击“系统变量”的Path，然后“新建”，参考下图路径（实际为你的Anaconda安装路径）
完成后可以进cmd/powershell测试一下，输入以下内容回车
conda --version会出现这个：
输入conda也可以，正常的话会出现一大片指令，也证明环境配置完成（节省篇幅就不贴图了）
*关于换源，一般很多人会推荐你装清华源，因为作为国内源的典范资源全下载快。但是清华源下的部分文件会出现配置问题，这个我是推荐酌情考虑，其实速度上我认为还是要取决于你运营商的基础网速。
如果换源的话，请在cmd等终端输入以下命令：
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes验证的话就去找用户文件夹下的.condarc文件（用记事本打开）
二、搭建并激活虚拟环境yolov5
搭建虚拟环境
搭建环境有两种方式，但注意一定要记住虚拟环境的文件路径，后面会用：
①命令行创建（打开cmd等终端，输入以下命令，等待一会儿输入y回车）
conda create -n yolov5 python=3.7②图形化创建（打开Anaconda Navigator，点击environment，再点击下面的create）
激活虚拟环境
但激活的话就在命令行里了，输入以下代码，就会实现下图效果
conda activate yolov5
但是，如果你遇到要求你初始化终端（例如：conda init cmd.exe ），按照它提示的做，重启cmd后就可以继续激活了。如果遇到其他的错误能找到大神的方案就用，找不到推荐就remake吧（过来人的痛）
想退出来yolov5环境就输入以下代码即可：
conda deactivate三、安装CUDA并导入Pytorch
注：推荐接下来用到终端的地方都使用管理员身份打开，避免权限不足无法完成部分操作。
参考网站：CUDA 12.0 Release Notes (nvidia.com)（确定CUDA版本）
Start Locally | PyTorch （确定Pytorch安装方式）
安装CUDA（NVIDIA,F**k you）
在此之前，你需要确定你的显卡驱动版本，明确你可以安装的CUDA版本
安装的时候选择自定义安装，选好CUDA模块安装即可。各安装模块会标注版本，已经是新版本的就不要安装。（例如驱动）
一般最新版本的CUDA都会自动配置环境向量，如果没有的话会在后续出现bug，这时需要手动配置。
# 以11.7为例
\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin
\NVIDIA GPU Computing Toolkit\CUDA\v11.7\libnvvp配置完成后，可以用以下命令验证：
nvcc -V
如图即可视为完成
导入Pytorch（清华源毁一生）
进入Pytorch，如果你的conda已配置清华源，强烈推荐删除该源并在yolov5虚拟环境中使用pip安装
在清华源下安装的Pytorch多为CPU版本，无法调用GPU。
复制最后的代码到配有已激活虚拟环境的终端中，时间视网速而定，出现Successfully即为完成。
可通过下图方式创建py文件验证，没有报错且值为True即为成功（解释器为yolov5）
有任何报错，推荐重装
import torch
print(torch, __version__)
print('GPU', torch.cuda.is_available())
四、配置YOLO V5文件
参考网站：mirrors / ultralytics / yolov5 · GitCode
初步配置
从上述网站下载yolov5-master文件（以.zip打包）
下载后解压，放到你想要的路径中，并在PyCharm中打开整个文件夹
注：路径必须在一个不带中文字符的文件夹下（如果带有中文字符，会使OpenCV的cv2.imread()函数读取不了待检测图片或视频）
配置解释器，解释器为我们最开始配置的yolov5的虚拟环境（内置Python 3.7）
导入虚拟环境路径下的Python解释器（或者导入Anaconda3\Scripts\conda.exe）
完成后右下角会和我上面的白图一样显示“yolov5”
依赖库安装（最容易出事的地方）
点击requirements.txt，不推荐直接用第一行的代码，推荐在yolov5的环境下分别在PyCharm下的终端用pip安装（如果出现没有读写权限则进入管理员模式cmd并激活yolov5环境后使用pip分别安装）
当然，时间长短依然取决于网速
如果编辑器上方出现：“未安装正确的库”，就手动pip逐个安装需要的库
点击detect.py并运行，会在runs\detect\exp生成以下图片
可能会被要求安装Arial.ttf，可能会因为网络问题出现bug，可能会出现各种库的错误
……
参考bug链接：
AttributeError: ‘Upsample‘ object has no attribute ‘recompute_scale_factor‘_upsample object has
在运行yolo5的v5.0版本detect.py时遇到的一些错误_yolov5 detect.py报错