yolo学习笔记01--环境搭建（win）

1.anaconda

  在学习最初，大多数的教程都推荐使用anaconda来创建虚拟环境，但是本人天生反骨，偷了个小懒，直接在本机环境中操作，导致后面代码运行过程中出现了各种各样奇葩bug。遂痛定思痛，老老实实跟着教程走：

1.1 下载anaconda

  直接进入anaconda官网下载即可，选择对应平台：

1.2 anaconda安装

  打开exe文件，无脑next即可，最好记住anaconda的安装位置。

1.3 anaconda使用

  安装好后，在开始菜单界面可看到anaconda：

  其中的anaconda powershell prompt 与anaconda prompt基本类似，但一个是通过powershell，另一个是通过cmd，具体的区别参照这篇博文。

  anaconda基本命令参考这篇博文。

2.pytorch（重点）

  相比于anaconda的安装和使用，pytorch的安装和使用部分是极易踩坑的地方。因为在实际的安装过程中，我发现在不同电脑上进行相同的安装步骤也有几率出现不同的问题，所以此文只记录本人的安装过程以及其中碰到的问题，不具有代表性。

2.1 pytorch的安装

  官方网站：https://pytorch.org/

  官网直接访问容易进不去，最好使用vpn进行访问。

2.1.1 cpu版本的安装

  cpu版本的安装就比较简单了，进入官网后，选择相应的版本后，复制conda命令，在anaconda创建的虚拟环境中进行安装即可。

  

  当然，使用pip命令也是可以。

2.1.2 gpu版本的安装

  由于本人电脑显卡为amd族的，所以在最初进行测试的时候，去阿里云租了个gpu服务器，环境为win server 2019，远程连接后，首先要更新一下gpu驱动，如果驱动版本满足要求的话，也可以不进行更新。

  基本的环境搭建完后，就可以着手开始安装pytorch，同cpu安装一样，进入官网，选择对应版本。但此时需要注意的地方来了，如下图：

  我选择conda安装，cuda11.8，直接在anaconda虚拟环境中进行安装，安装完成后进行如下测试：

import torch
torch.cuda.is_available()

  捏麻麻的吻），最后发现无论如何，返回结果均为False。经过数小时苦思冥想以及重复测试，最后确定问题出在安装的版本上：

import torch
torch.__version__

  运行上面代码，发现使用官网的conda命令安装的版本压根就不是gpu版本，（捏麻麻的吻） 

  解决方案：使用pip进行安装！！！

3.yolo项目的clone

  yolov5项目地址：https://github.com/ultralytics/yolov5

  直接使用git进行clone：git clone https://github.com/ultralytics/yolov5.git