一、概述
1、操作系统：win10
2、显卡：3080单卡
3、Anaconda：Python3.8版
4、visual studio：community 2019：安装cuda必须要安装visual studio；
5、深度学习框架：pytorch
6、客户端IDE：PyCharm
7、yolov5目标检测
二、visual studio community 2019安装
安装cuda必须安装visual studio（Microsoft C++ Build Tools）
下载位置：https://visualstudio.microsoft.com/zh-hans/
选择community 2019下载
选择C++的桌面开发
选择Visual Studio扩展开发
安装文件较大，根据实际情况选择安装位置
开始安装
A few years later 安装结束后重启。
三、安装cuda和cudnn
1、先查看本机安装的显卡信息
win+r—cmd—输入nvidia-smi查看Driver Version为466.81，CUDA Version是11.3
※ 这里的CUDA Version是展示系统可支持到的最新版本，而不是“该系统已经安装了此版本”。
2、查看CUDA与Driver Version对应关系，可见支持CUDA 11.3.1
官网地址：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
3、或者在本地验证：进入NVIDIA控制面板——帮助——系统信息——组件，看到RTX 3080最高支持CUDA 11.3.122版本
4、前三步的目的就是确定本机合适的cuda版本，这个版本和显卡驱动版本强关联。
确定版本：安装cuda11.3.1
去官网下载：https://developer.nvidia.com/cuda-toolkit-archive
2.7G+，建议使用迅雷下载。
安装cuda时，第一次会让设置临时解压目录，第二次会让设置安装目录；
临时解压路径，建议默认即可，也可以自定义。安装结束后，临时解压文件夹会自动删除；
安装目录，建议默认即可；
注意：临时解压目录千万不要和cuda的安装路径设置成一样的，否则安装结束，会找不到安装目录的！！！
选择精简安装（懒，不想安装完缺这缺那的）
安装完成后，配置cuda的环境变量查看（系统自动追加无需手动配置）
5、命令行测试是否安装成功；
nvcc -V
6、cudnn下载和安装
官网下载：https://developer.nvidia.com/rdp/cudnn-archive
下载需要登录，没有会员注册一下会员。
大小：740M+
打开cudnn文件夹，把cudnn中bin、include、lib/x64这三个文件夹里面的文件，分别全部复制到对应的cuda的bin、include、lib/x64文件夹内。
重启电脑。
7、检查安装是否成功
通过NVIDIA提供的 deviceQuery.exe 和 bandwidthTest.exe 来查看GPU的状态，两者均在安装目录的 extras\demo_suite文件夹中
deviceQuery.exe
bandwidthTest.exe
四、创建虚拟环境
推荐使用Anaconda，不推荐直接安装Python.exe。因为后面接触的开源项目可能非常多，有些安装同一个环境下会出现版本冲突，Anaconda具有隔隔离效果，所以使用。
1、创建一个名为yolo、python版本为3.8的虚拟环境。
conda create -n yolo python=3.8
2、激活创建好的环境
activate yolo
3、安装pytorch，上pytorch官网查询安装命令
https://pytorch.org/get-started/locally/
根据自身的CUDA型号，选择最接近的CUDA11.1版本。
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch-lts -c conda-forge
上面能否成功看人品。如果安装失败多试几次，如果再失败，尝试国内源，不过有些版本可能不支持。
4、验证是否成功
import torch
import torchvision
print(torch.cuda.is_available())
返回True表示CUDA配置成功~！撒花 (●'◡'●)~
五、配置yolo
1、github找到yolov5的地址，通过gitclone将代码克隆到本地
2、安装PyCharm作为IDE，安装后打开本地的该项目目录，并导入python解释器地址。
3、通过命令行工具进入工程目录，安装依赖包
pip install -r requirements.txt
4、打开PyCharm，执行detect.py，去项目下 /runs 目录查看输入结果。正常输出代表环境配置成功。