yolov5GPU环境配置

### YOLOv5 GPU 环境配置教程

#### 一、准备工作
确保计算机已安装最新的显卡驱动程序。这一步骤对于保证CUDA和其他依赖项正常工作至关重要[^3]。

#### 二、安装 CUDA 和 cuDNN
选择与所使用的 NVIDIA 显卡兼容的 CUDA 版本，并按照官方指南完成安装过程。接着，下载并设置相应的 cuDNN 库版本，注意其需匹配之前安装好的 CUDA 版本号[^2]。

#### 三、创建 Python 虚拟环境
推荐使用 Anaconda 来管理不同项目的独立Python环境。通过以下命令建立一个新的名为 `yolov5` 的 Conda 环境，并指定合适的 Python 版本：

conda create -n yolov5 python=3.8

激活新建的环境：

conda activate yolov5

#### 四、安装 PyTorch 及其他必要的库
根据个人需求挑选适合当前系统的PyTorch预编译包进行安装。考虑到YOLOv5的具体情况，建议采用如下方式来获取包含 torchvision 和 torchaudio 支持在内的完整版 PyTorch:

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

上述 URL 中的 "cu113" 表示针对 CUDA 11.3 编译的 PyTorch 构建；请依据实际安装的 CUDA 版本来调整此参数[^4]。

#### 五、克隆 YOLOv5 GitHub 仓库
利用 Git 将 YOLOv5 源码拉取到本地项目目录下：

git clone https://github.com/ultralytics/yolov5.git
cd yolov5

#### 六、安装剩余依赖关系
进入刚刚克隆下来的 YOLOv5 文件夹内执行 pip 命令以加载所有必需品：

pip install -r requirements.txt

此时应该已经成功设置了能够调用GPU加速功能的YOLOv5开发环境。可以通过运行一些简单的测试脚本来验证一切是否按预期运作良好[^1]。