【无标题】

• 在Windows10下，配置Pycharm中YoloV5需要的环境
• 前言
• 一、前提准备
• 二、步骤
• • 1.CUDA下载
  • 2.CUDANN下载
  • ３、CUDA安装
  • ４、CUDNN配置
  • ５、配置环境变量
  • ６、测试CUDA
  • 7、Pytorch安装
• 总结

在已经安装过Anaconda和Pycharm后，还需要下载CUDA、CUDANN、Pytorch（torch、torchvision）等一系列东西，为后续在Pycharm中运行YoloV5配置好环境。记录一下需要避坑的点。

在电脑上已经安装好Anaconda、Pycharm等软件，再依次安装CUDA、cudann、torch、torchvision等。

　　首先通过NVIDIA控制面板查看自己电脑适用的cuda版本，桌面上鼠标右键即可。管理3D设置–>系统信息–>组件–>(第三个)NVCUDA64.DLL,可以看到CUDA为11.1.11版本。

CUDA和CUDANN版本要一致，而且下载的CUDA版本不应高于电脑本身CUDA版本，CUDA下载地址：[https://developer.nvidia.com/cuda-toolkit-archive

CUDANN下载：https://developer.nvidia.com/rdp/cudnn-download．没有账号需要注册账号，账号登录后，找到自己对应的CUDA版本，下载相应的CUDANN。

文件路径默认即可，后续安装会自动改变文件路径




取消勾选GeForce Experience 、Visual Studio Integration。
点开Driver comonents，Display Driver这一行，前面显示的是Cuda本身包含的驱动版本。
如果你电脑目前安装的驱动版本号新于Cuda本身自带的驱动版本号，那一定要把这个勾去掉。否则会安装失败(相同的话，也不用去勾选)。

此处选择安装位置，我在Ｄ盘里创建了对应的文件夹分别存储相应文件，存储路径要记住，后续会用到，点击下一步安装就行。
　　打开之前安装路径 D:Ｃｌａｓｓｅｓ＼NVIDIA GPU Computing ToolkitCUDAv１１.０bin ，查看nvcc.exe，即表示CUDA安装成功。
　　

CUDNN是一个压缩文件不需要安装，只需要解压在自定义盘中。解压后打开CUDNN文件夹，将ｂｉｎ／ｉｎｃｌｕｄｅ／ｌｉｂ文件复制粘贴到CUDA安装文件NVIDIA　GPU　Computing　Ｔｏｏｌｋｉｔ中，不用担心会替换掉，它自己合并。

CUDA１１.０版本安装之后会自动配置好环境变量，不需手动添加，其他版本环境变量如有遗漏可按照此图进行添加，注意版本号要按照自己下载的版本写。
　　
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.1bin
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.1libnvvp（根据自己安装路径相应改变）

在命令行窗口输入nvcc -V，出现如下结果，则表示CUDA11.0安装成功。

（1）查看自己的显卡版本号（只有版本号大于396才支持安装），此处注意不是在命令行窗口，打开Anaconda Prompt，输入nvidia-smi。


（2）根据自己的cuda版本选择对应的torch版本，然后根据对应的torch在选择对应的torchvision版本，下载地址：https://download.pytorch.org/whl/torch_stable.html，此处一定要选择对应版本，前面是cu110/…



（3）打开Anaconda Prompt窗口，进入下载的Pytorch文件中，输入以下命令：
pip install torch-1.7.0+cu110-cp38-cp38-win_amd64.whl
pip install torchvision-0.8.1+cu110-cp38-cp38-win_amd64.whl

进入python编译器进行验证，import torch
print(torch.version)#输出PyTorch版本，注意此处下划线是两条
torch.cuda.is_available()
安装成功的话会显示：

输入pip list会显示已经安装的包。

这里只配置好了Pytorch的基本环境，YOLOV5需要的环境后续还会继续安装。