需要安装的东西
- CUDA
- cuDnn
- 魔法
一、CUDA安装(Windows10环境)
第一：下载驱动
第二：查看显卡支持的最高CUDA的版本，以便下载对应的CUDA安装包
第三：确定CUDA版本对应的cuDNN版本，这个其实不用太关注，因为在cudnn的下载页面会列出
1、下载驱动
下载连接：驱动下载
手动驱动搜索图
第一行：选择游戏显卡
第二行：显卡系别（Notebooks为笔记本）
第三行：详细显卡信号
第四行：系统环境
2、查看支持的cuda版本
快捷键：win+r 打开命令行
输入以下命令：
nvidia-smi
运行结果图
主要关注如上三部分：显卡支持的最高版本（可以比这个低）
3、下载CUDA
如下我将演示11.6版本的下载安装
下载链接： 11.6
11.6选项图
第一行：选择操作系统
第二行：选择位数
第三行：选择操作系统版本
第四行：选择本地下载
4、CUDA安装
需要记住安装路径，然后 无脑安装到这一步
把CUDA选一下，还需要注意一点，如果 你前面没有安装vs，直接安装的这个，需要把CUDA里面的Visual Studio Integration取消勾选，否则会安装不成功
然后继续无脑安装
5、检查是否安装成功
快捷键：win+r 打开命令行
nvcc -V
出现这个，说明安装成功了
二、下载cuDNN
下载链接：cudnn下载
下载需要注册账户，你们自行注册登录，成功后可以直接下载了，这里不过多阐述
下载得到：cudnn-windows-x86_64-8.4.0.27_cuda11.6-archive.zip
解压
把这三个文件夹的文件分别拷贝到CUDA安装目录对应的（bin、include、lib）文件夹中即可。
三、下载安装魔法
下载路径：一元机场
https://xingjiabijichang.com/#/knowledge
因为文件不是很大，选择一元是最划算的
网站中有说明文档，自行观看学习就行了，不过多阐述了
四、torch安装
1、创建新环境
在YOLO源码文件夹中打开命令行
输入以下命令
conda create -n YOLO python=3.9
解释：conda 创建 -n 自定义的环境名称（我这里用的是YOLO命名） 选择python版本
途中需要输入Y
创建完成图片
2、激活新环境
activate YOLO
可以看到括号中的YOLO，说明已经进入自定义的YOLO环境当中
3、新环境中安装必要的库
首先下载YOLO所需要的库文件
pip install -r .\requirements.txt
下载视图
等待安装完成之后，输入以下指令查看安装的库
pip list
发现有torch，但不是GPU版本的，使用需要删除他
pip uninstall torch torchvision torchaudio
过程中输入Y即可
4、下载torch （先必须魔法）
输入指令：
pip install torch==1.12.1+cu116 torchvision==0.13.1+cu116 torchaudio==0.12.1 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple
安装完成之后，输入：
python
然后继续输入以下命令
import torch
from torch.backends import cudnn
x = torch.Tensor([1.0])
xx = x.cuda()
print("torch版本:", torch.__version__)
print("torch_cudatoolkit版本:", torch.version.cuda)
print("torch_cuda_可用:", torch.cuda.is_available())
print("torch_cuda_计算:", xx)
print("torch_cudnn_可用:", cudnn.is_acceptable(xx))
输出结果为True，即为安装成功！
>>> print("torch_cudnn_可用:", cudnn.is_acceptable(xx))
torch_cudnn_可用: True
五、运行YOLO代码查看结果
1、选择刚刚创建的环境（YOLO）
2、打开detect.py文件，点击运行
3、运行完毕，结果保存在了exp4中
六、常见问题
当安装完成好torch后，引用时，发现还是无法找到模块，并提醒dll文件有问题
解决方法：
1、下载dll文件
下载链接：文件下载
得到如上文件，将这个文件导入自定义的YOLO环境路径中\Lib\site-pages\torch\lib中
2、将dll文件移入环境中
在命令行中输入
conda info -e
可以看到你创建的环境以及路径
将文件放入这个目录中
然后就成功了！