## **1.源码下载** #### **源码链接：** [YoloV5](https://github.com/ultralytics/yolov5) git clone 到本地 #### **2.配置环境须知** **CUDA**(Compute Unified Device Architecture，统一计算设备架构)，是显卡厂商NVIDIA在2007年推出的并行计算平台和编程模型。它利用图形处理器(**GPU**)能力，实现计算性能的显著提高。CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题，从而能通过程序控制底层的硬件进行计算。它包含了CUDA指令集架构(ISA)以及GPU内部的并行计算引擎。开发人员可以使用C/C++/C++11语言来为CUDA架构编写程序。CUDA提供host-device的编程模式以及非常多的接口函数和科学计算库，通过同时执行大量的线程而达到并行的目的。 **Pytorch** Pytorch是torch的python版本，是由Facebook开源的神经网络框架，专门针对 **GPU 加速**的深度神经网络（DNN）编程。Torch 是一个经典的对多维矩阵数据进行操作的张量（tensor ）库，在机器学习和其他数学密集型应用有广泛应用。与Tensorflow的静态计算图不同，pytorch的计算图是动态的，可以根据计算需要实时改变计算图。但由于Torch语言采用 Lua，导致在国内一直很小众，并逐渐被支持 Python 的 Tensorflow 抢走用户。作为经典机器学习库 Torch 的端口，PyTorch 为 Python 语言使用者提供了舒适的写代码选择。 #### **3.所需环境（源码下的requirements.txt）** python -m pip install -r requirements.txt(下载过慢可以配上pip源) #### **4.环境配置注意事项：** 1.系统默认python版本为python3 2.系统要装有python3.x-dev 3.要装有pip 4.pytorch版本过高会导致历程无法正常运行需要手动降低pytorch版本 5.pytorch版本要跟torchvision版本相对应 6.使用GPU时要配置CUDA和tensorrt环境(比较麻烦，建议先用cpu玩玩)