一、安装及配置 Anaconda 3

1.1 卸载原有 Anaconda 3

使用 Uninstall Tool，若未曾安装 Anaconda 3 则跳过此步。

1.2 安装 Anaconda 3

选择 2022.05 版本下载：Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
安装时注意更改安装路径，安装时选择为所有用户安装，默认环境 Python 版本为 3.10.2

注：经过实测，若想关闭 Anadconda Navigator 自动打开 VS Code 的功能，2021.5、2021.11、2022.05 版本可用，2022.10、2023.03-1、2023.09-0 2024.02-1 版本不可用。

1.3 配置系统环境变量

环境变量有多种配置方法，本文选择最简配置方法。

win 键搜索编辑系统环境变量后点击打开 → 环境变量
双击 Path 变量 → 新建 → 输入下方代码块内容 → 确定
```
%Anaconda%
%Anaconda%\Scripts
```
cmd 输入conda --version 或 py 显示出对应信息则配置系统环境变量成功。

1.4 配置默认虚拟环境创建、库包保存位置和库包下载链接

打开 C:\Users\username 目录下的 .condarc 文件，输入下方代码块内容。

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults
show_channel_urls: true
envs_dirs:
  - D:\Anaconda3\envs
pkgs_dirs:
  - D:\Anaconda3\pkgs

env_dirs 为默认虚拟环境创建位置，pkg_dirs 为默认库包下载位置

注意修改 env_dirs 和 pkg_dirs 为自己安装 Anaconda3 的对应路径

CMD 输入 conda info 可发现默认库包保存位置已经添加。

1.5 自定义默认存储文件夹

如何更改anaconda中默认存储文件夹以及安装包下载路径_conda下载路径-CSDN博客

C:\Users\Lenovo.jupyter\jupyter_notebook_config.py
c.NotebookAPP.notebook_dir='F:\Anaconda'

1.6 打开 Anaconda Navigator

打开 Anaconda Navigator 时可能会遇到闪退问题，可查看下方链接进行修改，未遇到则跳过此步。

1.7 创建虚拟环境

打开 Anaconda Navigator 后在 environments 创建 yolov5 环境，python 版本选择 3.10.x
也可通过 cmd 创建虚拟环境 yolov5：conda create -n yolov5
cmd 激活 yolov5环境：activate yolov5
切换成功可退出

二、GPU 环境配置及运行

2.1 安装 CUDA、CUDA Toolkit 及 Torch

cmd 查看显卡版本 nvidia-smi，可以看到 NVIDIA-SMI 为 546.30，CUDA Version 为 12.3
cmd 进入 yolov5 虚拟环境，在 PyTorch 官网获取 CUDA 版本并安装，CUDA Toolkit 与自己电脑对应版本如下图所示。

不要使用pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch torchvision torchaudio，因为清华源下载的其实是 CPU 版本的 CUDA。
```
activate yolov5
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
```

2.2 下载 yolov5 源码并导入 PyCharm

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

2.3 配置 PyCharm 环境

File → Settings → Project: xxx→Python Interpreter → Add Interpreter → Add Local Interpreter
Conda Environment → Conda Executable → 选择D:\Anaconda3\Scripts\conda.exe → Load Environments → Use existing environment → 切换为 yolov5 → OK
安装 requirements.txt，安装不上的直接 pip install xxxx

2.4 配置运行目录

将测试文件放到该目录下，best.pt文件放到根目录下
```
data/images/train
data/labels/train
```

在 data 目录下创建 mydata.yaml

# 自定义数据集配置文件
train: data/images/train  # 图像的训练路径

# 如果没有单独的验证集，可以使用训练路径，或手动划分一部分数据用于验证
val: data/images/train

names:
  0: nest
  1: kite
  2: balloon
  3: trash

修改 detect.py 中模型与数据集路径

parser.add_argument("--weights", nargs="+", type=str, default=ROOT / "best.pt", help="model path or triton URL")
parser.add_argument("--source", type=str, default=ROOT / "data/images/train", help="file/dir/URL/glob/screen/0(webcam)")
parser.add_argument("--data", type=str, default=ROOT / "data/mydata.yaml", help="(optional) dataset.yaml path")

2.5 启动项目

运行detect.py，显示 CUDA:0则为 GPU 运行，输出结果在 runs/detect目录下

【Yolov5】2024年最新环境配置及运行