WINDOWS 端CUDA10.2+CUDNN8环境搭建for YOLOV5 and Pytorch1.7

最近，我做了一些使用YOLOV5算法的项目，遇到了很多的坑，也感叹YOLOV5的人性化操作，如此真香的算法，忍不住拿出来与大家进行分享，现在就把项目过程中的一些操作逐个记录一遍。
很不好意思，目前能够进行深度学习的显卡，仅仅只有NVIDIA一家，你痛恨黄教主也好，哀其不争苏大妈也行。无论怎样，现阶段，你要进行深度学习，唯一能够使用的显卡就是他——NVIDIA，请记住下面这个标志。

如果你的电脑上有这个标注，那么恭喜你，你可以进行所谓的核动力加速了，如果没有，请使用cpu进行学习，学到天长地老，好了，其他的废话就不讲了。我们先来看YOLOV5的官方项目.
官方传送门: YOLOV5/github.

7.4k的星星，相当受欢迎，我们看一下他的requirements。

他需要1.7版本pytorch的支持，好的，现在我们开始安装pytroch1.7，首先我们进行环境的搭建。

1.CUDA下载安装

1.1 查看自己的显卡

具体操作：

我的电脑——属性——设备管理器——显示适配器

我的显卡比较差，在频繁的跟店家换了2080/2080super/2080ti等等显卡之后，在店家深恶痛疾的目光中，退掉了2080ti，去咸鱼上淘了一块titan xp，居然还是银河帝国，星球大战限量版，外表很酷。有各种数据显示安培架构的2080ti的性能要远远超过pascal架构titan xp。为什么选择titan xp，还记得那句话么：厉害不厉害一个版本，帅不帅一辈子。当然，说实话，我也非常钟爱20series的双煤气灶造型 - - ！，男人的梦想么。

更酷的一张被和谐了，比如煤气灶放胸部。。。stop！，禁止娱乐我们技术帖技术贴。

1.2 显卡驱动下载及安装

我们继续，在找到您的NVIDIA显卡后，请去NVIDIA网站下载驱动安装。
官方传送站：
请选择为您的显卡类型等等，另外，NVIDIA的驱动分为Game Ready和Studio（工作室），我的显卡都可以选择，如果你是GTX显卡，有可能只能选择Game Ready，详细我，区别很小，请原谅我的精神洁癖，我必须选工作室驱动。另打外，请不要问我为什么传送去tw，问我也不知道，就是nvidia.cn一直打不开啊打不开，然后从google 搜nvidia就直接去tw了，问了都是泪，能用即可。

1.3 显卡驱动安装检测

安装完毕，我们测试下自己的显卡驱动是否安装好。
具体操作：

搜索——cmd——NVIDIA-smi

如果成功显示显卡数据，恭喜。右上角的11.2，说明我的显卡驱动最高支持11.2的cuda，但我肯定不能安装11.2啊，因为pytorch最高才支持11.0，不要自寻烦恼好吧。如果显示-smi command not found，那就是需要你设置一下环境变量。
具体操作：

搜索——系统变量—环境变量——Path

你只需要在path中添加这个地址：

C:\Program Files\NVIDIA Corporation\NVSMI

当然了，也许你的安装路径不一致，但没关系，只要你找到NVIMI路径即可，添加入path，一切ok。

1.4 CUDN下载

官方传送站：



我的显卡版本460.89，我选择的是cudn10.2，这充分显示了我的性格，求稳。
cudn版本与显卡驱动有关，也与我将来要做的pytroch环境有关。

按照您的系统去选择即可，pytorch非常人性化，因此我就选用windows系统，我的电脑win10 64位。

1.5 CUDN安装

请注意，你的电脑之中必须有NVIDIA显卡存在，才可以顺利渡过硬件检测这一流程。或者，你就外接一个显卡坞。

第一步是 解压缩到一个临时文件夹，其实这个无所谓，安装完毕文件夹内的文件会被删除掉。

解压缩完毕开始安装。你可以默认安装，如果有多个cudn，那就自定义安装吧，就不再解释了。后续我会发帖如何安装多个cudn并进行简单切换。

如果你比较有经验，或者系统总已经安装了其他版本的cudn，那么可以进行自定义安装，自由选择安装程序组件。

已经安装过的NVIDIA Experience 这个是NVIDIA的显卡驱动管理工具，有了就不用再装了，同理其他组件。

可以自选安装位置，推荐不进行更改，代价就是c盘小一点，如果你非要更改，推荐你仍旧选择这个目录序列，例如：

D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2

1.6 环境变量设置

最麻烦的一步来了。请进行一下操作：

搜索——系统变量—环境变量

安装完毕会出现两个新的环境变量 CUDA_PATH和CUDA_PATH_V10_2但仍需要添加以下几个环境变量：
这是默认安装位置的路径：C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2

CUDA_SDK_PATH=C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2

CUDA_LIB_PATH=%CUDA_PATH%\lib\x64

CUDA_BIN_PATH=%CUDA_PATH%\bin

CUDA_SDK_BIN_PATH=%CUDA_SDK_PATH%\bin\win64

CUDA_SDK_LIB_PATH=%CUDA_SDK_PATH%\common\lib\x64

在系统变量Path的末尾添加：
%CUDA_LIB_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_BIN_PATH%;

再添加以下5条（默认路径）：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64

2 CUDNN安装

2.1 CUDNN下载

CUDNN的版本要与CUDA相匹配。
传送门

请按照自己CUDA版本选择下载，我这里选择的是v8.0.4对应cudn10.2.

2.2 CUDNN安装

加压缩后三个文件：

需要把这三个文件放入C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2 此为默认路径，如果你修改了cudn安装路径，请按实际路径进行操作。

2.3 CUDA安装检测

搜索——CMD——nvcc-V

如果你没有得到这个结果，请返回仔细再看一遍，一步一步跟着走。

Thats all, over>>>>>>