
conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple

此时新建虚拟环境（需要关闭加速软件），这里创建一个名为yolov5，python版本为3.9的虚拟环境，也可以修改为其他名或者python版本

conda create -n yolov5 python=3.9

注意：此时如果报错

UnavailableInvalidChannel: HTTP 404 NOT FOUND for channel anaconda/pkgs/free <https://mirrors.ustc.edu.cn/anaconda/pkgs/free>

The channel is not accessible or is invalid.

You will need to adjust your conda configuration to proceed.
Use `conda config --show channels` to view your configuration's current state,
and use `conda config --show-sources` to view config file locations.

等错误，需要修改.condarc文件的内容，具体路径为：c:\users\用户名\.condarc（找不到请显示隐藏文件）

使用记事本打开，复制下面这一段进去替换掉原本所有的内容，替换完之后保存即可


channels:
  - defaults
show_channel_urls: true
channel_alias: http://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

此时再次创建yolov5虚拟环境

conda create -n yolov5 python=3.9

显示如下则正常创建，输入y

创建完之后输入

conda activate yolov5

进入yolov5环境之中，此时有NVIDIA显卡安装GPU版看3.2，其它需要安装CPU版看3.3。

3.2 安装cuda，pytorch

3.2.1 安装cuda

在安装pytorch前需要安装cuda，（若无显卡则跳过）下载cuda前需要先查看显卡支持的CUDA版本最高是多少，按下win+r键，输入cmd，在打开的页面输入：nvidia-smi ，即可查看

上图红框位置显示即为cuda最高支持版本，本教程最高版本达到11.8即可，若没有达到则需要更新显卡驱动。

CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit-archive 在这个网站挑选下载或者直接点击下面链接下载

https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_522.06_windows.exehttp://xn--ghqu9gt28agj1a

下载完之后运行安装，建议安装到默认路径，所以C盘需要留有20G以上的存储空间，一直点击下一步，直到出现这个界面点击自定义，然后全部勾选再一直下一步即可。

安装完成后可以再次在cmd里输入命令：nvcc -V 查看，如下显示即安装成功

有安装cudnn的需求可以自行百度替换文件安装，只用几次有没有区别不大

3.2.2 安装pytorch（GPU版）

打开prompt 输入conda activate yolov5进入yolov5环境，之后输入即可安装pytorch,耐心等待安装完成（需要注意关闭加速软件否则会下载失败）

pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 --extra-index-url https://download.pytorch.org/whl/cu118

3.3 安装CPU版本

有显卡的按照上述流程安装后即可跳过本部分，无显卡则需要按照下述方法进行，

打开prompt ,进入yolov8环境之后，输入如下命令即可安装cpu版本的pytorch

conda install pytorch torchvision torchaudio cpuonly -c pytorch

安装完成则环境配置完成

4. 配置yolov5环境

4.1 下载yolov5源码

yolov5源码地址：

https://www.wpsshop.cn/w/Gausst松鼠会/article/detail/709342