将pycharm调成GPU跑yolov5

### 配置 PyCharm 使用 GPU 训练 YOLOv5

#### 创建并激活 Anaconda 虚拟环境
为了确保开发环境中所有依赖项的一致性和隔离性，建议创建一个新的 Conda 环境专门用于 YOLOv5 的项目。

conda create -n yolo5 python=3.8
conda activate yolo5

安装必要的库和工具包以便支持 CUDA 和 cuDNN 进行 GPU 加速[^1]：

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

#### 设置 PyCharm 解释器
打开 PyCharm 并导航到 `File` -> `Settings` (Windows/Linux) 或者 `PyCharm` -> `Preferences` (macOS)，选择左侧栏中的 "Project: <project_name>" 下的 "Python Interpreter"。点击右上角齿轮图标旁边的加号 (+), 选择 "Add...". 接下来，在弹出窗口中选择 "Conda Environment", 然后指定之前创建好的名为 `yolo5` 的环境路径.

如果遇到无法找到 Python 解释器的情况，可以尝试手动输入完整的 Python 可执行文件的位置，例如:

F:\Anaconda\envs\yolo5\python.exe

#### 安装 NVIDIA 工具包
确认已经正确安装了适用于所使用的显卡版本的 NVIDIA 显卡驱动程序以及相应的 CUDA Toolkit 版本。对于大多数情况来说，推荐使用最新的稳定版 CUDA Toolkit 来获得最佳性能和支持.

验证 PyTorch 是否能够检测到 GPU 设备可以通过下面这段简单的测试脚本来完成：

import torch
print(f"CUDA Available: {torch.cuda.is_available()}")
print(f"Current Device: {torch.cuda.current_device()}")
print(f"Device Name: {torch.cuda.get_device_name(0)}")

当以上命令输出显示有可用的 CUDA 设备时，则说明配置成功.