配置pytorch环境，并调试YOLO

一、先安装Anaconda，建议安装Miniconda（文件小，少了很多不必要的包）（安装参考 Python版本管理-Miniconda (qq.com)，重点是 自动添加到环境变量选项添加上） （如之前没有安装）

二、新建或激活虚拟环境

1. 在 Anaconda prompt（终端）中，输入 conda env list，可以查看已安装的虚拟环境。 每个工程（project）建议安装一个虚拟环境，这样避免不同的依赖的相互影响。

2. 例如conda create -n yolov5 python=3.8 创建新的虚拟环境用于yolov5项目，并最好指定python版本。
   为了避免占用太大的空间，可以复制已有的一个环境，即复用基础依赖：基于已装PyTorch的环境克隆新环境，克隆的环境会硬链接原文件，初始几乎不占额外空间（后续安装新包才会增加体积）。

conda create --name <new_env> --clone <myenv>

3. 终端中输入 conda activate yolov5，激活环境。注意，激活环境是一个非常重要的步骤，因为相应工程的很多步骤都跟对应的当前环境有关。

三、 配置国内的源，一般配置清华源，这样下载快。（如之前没有设置）

pypi | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

一般直接 使用这个命令：  pip config set global.index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple

四、安装pytorch（如之前没有安装）

5. pytorch安装，一个单独的环境中，能用pip就尽量使用pip，实在有问题再用conda安装。

备注：如只需简单训练和推理，不需单独安装cuda，只安装pytorch；如有部署需要，如导出TensorRT模型，需要安装cuda。

五、其它

1. 终端中输入nvidia-smi 可以查看本机最高可安装的cuda版本（30XX 和 40XX GPU至少安装cu111，16XX需要安装102）

2. 删除某虚拟环境的方法：

首先 conda deactivate 退出当前环境，返回base。

删除指定环境（彻底）

conda env remove -n 无用环境名 -y

按路径删除自定义环境

conda remove -p 完整路径 --all -y

或者直接用 conda remove --name 环境名称 --all

3. python 中的文件路径，windows系统可用 \\ 两个反斜杠，或者/ 一个正斜杠（所有系统）。

如：path = "C:/Users/test/file.txt" 或 path = "C:\\Users\\test\\file.txt"

一小时成功！YOLOv8环境搭建+模型训练+训练自己的数据集，手把手带你从零部署YOLOv8目标检测算法！（深度学习/计算机视觉）_哔哩哔哩_bilibili