深度学习环境配置（三）--win11 miniconda、cuda、cudnn、pip换源

深度学习环境配置(deepin20.6)
yolov5 初识(win版)

然后全部点击“next”安装即可。

在当前用户目录下(“C:Usersxxx”)创建.condarc文件：

conda config --set show_channel_urls yes

添加:

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
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

结果如下：

清除索引缓存：

conda clean -i

在“开始菜单”你找到下图

输入：

conda create -n yolov5_env python=3.8

tips：

# 查看创建过的虚拟环境
conda env list

# 切换至xxx环境
conda activate xxx

# 查看当前环境下安装的第三方库
conda list

# 删除虚拟环境
conda remove -n xxx

# 安装第三方库：优先级：conda > pip > 编译

# 删除环境中的某个包
conda remove -n xxx yyy

cuda下载，30系列之前的显卡选择10.2，30系列显卡选择11.1.1
cudnn下载（需注册登录），根据cuda版本选择对应的cudnn（推荐cuda10.2+cudnn7.6.5、cuda11.1+cudnn8.1.1）

添加环境变量：

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.1bin
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.1libnvvp
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.1libx64

验证：

nvcc -V

解压：

分别复制到对应的cuda安装目录下：

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple/
[install]
trusted-host = pypi.tuna.tsinghua.edu.cn