yolov7配置环境全过程，写给自己（小白级别）
需要的下载pytorch版本以及cuda和cudnn的链接，直接下载使用即可，然后需要的python是3.7版本的即可
https://download.pytorch.org/whl/lts/1.8/cu111/torch-1.8.2%2Bcu111-cp37-cp37m-win_amd64.whl
https://download.pytorch.org/whl/lts/1.8/torchaudio-0.8.2-cp37-none-win_amd64.whl
https://developer.nvidia.cn/compute/machine-learning/cudnn/secure/8.2.0.53/11.3_04222021/cudnn-11.3-windows-x64-v8.2.0.53.zip
https://developer.download.nvidia.com/compute/cuda/11.1.1/local_installers/cuda_11.1.1_456.81_win10.exe
https://developer.download.nvidia.com/compute/cuda/11.1.1/local_installers/cuda_11.1.1_456.81_win10.exe
https://download.pytorch.org/whl/lts/1.8/cu111/torchvision-0.9.2%2Bcu111-cp37-cp37m-win_amd64.whl
anaconda的安装以及配置
1：安装anaconda3，程序名字为Anaconda3-2019.10-Windows-x86_64.exe。
2:配置anaconda3的环境变量（图借用的别的博主的）
3：验证是否安装成功，我们进入cmd模式，在cmd下输入conda -V，查看是否出现conda的版本号，如果出现则安装成功
如果出现问题可能是环境变量配置出现问题，我们就需要编辑系统环境变量。查找系统环境变量，在系统变量中找到Path路径，编辑路径，在路径中输入我们要配置的数据。
如下图所示，将anaconda3前面的路径换成我们自己安装它的位置。我的安装路径为c:\ProgramData。c盘不介意安装，占内存
4：关于python3.7，这个软件anaconda3中自带python，所以当我们下载完成之后，不需要下载python，使用anaconda自带的就好。
二 pycharm的安装
2：进入官网下载安装社区版community
PyCharm: the Python IDE for Professional Developers by JetBrains
点击安装，可以使用默认安装路径也可以使用其他路径
三cuda的配置
所有的安装包都可以私信我问我要
1：安装cuda之前，我们首先要查看自己电脑的版本，cmd终端上输入nvidia-smi
2：查看显卡，cmd上输入nvidia-smi -L，看是否是GPU。本方法只针对于GPU，不解决CPU。
3：右上角的CUDA VERSION：11.1，是电脑所能支持的cuda版本，不能超过该版本。
4：在控制面板中卸载电脑中所有的nvidia的插件，（后续会全下载回来）
使用安装包名为cuda_11.1.1_456.81_win10.exe.在yolov7所需要的库和包的文件目录下。
安装时选择自定义模式，自定义安装选项的时候，我们CUDA组件中的Visual Studio Integeration不要勾选。别的全部勾选。如下图所示：（图是别的博主的）
安装位置可以默认也可以自己选择，如果改变位置，后面的cudnn复制时需要修改到相应的安装位置。我使用的默认位置。不建议放c盘，我当时懒得改，后续盘内存不够了
其余点击下一步（图是别的博主的）
使用cmd终端进行检验是否安装成功，输入nvcc -V。
四cudnn
使用给的压缩包解压后，（cudnn-11.3-windows-x64-v8.2.0.53）在yolov7所需要的包和库的目录下。
将下图中的bin，include，lib文件复制到下面路径中 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1。拖拽进去就可以了，它自己会实现拖拽到原来文件中的bin，include，lib中。这里的路径是你自己安装cuda的路径
五安装pytorch的环境
创建并且激活虚拟环境
cmd终端输入命令
codna create -n yolov7 python=3.7
生成一个叫做yolov7的虚拟环境，可以自定义该名称
Codna.bat activate yolov7 激活虚拟环境
配置pytorch环境
将下载好的三个torchxxx.whl拷贝到C:\Users\Administrator，然后使用pip install命令将这三个文件下载下来，在刚刚激活的虚拟环境下面下载。如果c盘内存不够，也可以将这三个文件放入其他位置，下载时加入绝对路径
六在pycharm中打开我们所创建的虚拟环境，开启yolov7
Yolov7数据源获取
https://github.com/WongKinYiu/yolov7
下载框选位置的zip以及我们需要的模型
我们选择的模型是yolov7，下图中的第一个，需要将其放入我们刚刚的路径C:\Users\Administrator\PycharmProjects\pythonProject，也可以放入别的路径。
下载的结构类似下图
将创建的虚拟环境放入pycharm中
打开Pycharm，依次点击文件（file）-- 打开（open）-- 选择到项目文件夹（打开的文件是你的yolov7-main所存放的位置），可以自己选择位置
将虚拟环境放入
点击如下步骤
File-settings
Python Interpreter中选择show all，然后点击+。
点击+，出现下图情况，我们开始添加虚拟环境。
虚拟环境添加路径如下（修改成自己的anacond3的路径，pytorch是自己创建的虚拟环境名称）
比如下图所示解释器路径，yolov7是自己的虚拟环境的名称。
C:\ProgramData\Anaconda3\envs\yolov7\python.exe
下载所需要的库
上图按钮是终端进入按钮。
在pycharm的终端上输入cmd后输入conda activate pytorch
然后在终端下载我们需要的requirements.txt,命令如下
pip install -r requirements.txt
下载后执行decete.py看看程序看是否出错。没有出错就说明配置环境成功，然后就可以下一步的训练自己的数据集了