目录
1. 具体的配置过程：
2. 在指定位置（路径）创建虚拟环境：
3. conda常用命令：
4: 在跑模型时候遇到的一些问题：
4.1: conda添加python解释器找不到对应的python.exe文件
4.2: 报错“OSError: [WinError 1455] 页面文件太小，无法完成操作。”
4.3: 报错“CUDA out of memory. Tried to allocate 14.00 MiB
5: CUDA11.1版本出现NAN的问题原因及解决措施：
6: 虚拟环境中的cuda和系统中cuda的区别：
1. 具体的配置过程：
手把手教你Anaconda安装虚拟环境配置yolov5
2. 在指定位置（路径）创建虚拟环境：
1：使用命令查看当前拥有的虚拟环境
conda info --envs
2：在指定目录下创建新的虚拟环境，输入命令：
conda create --prefix=C:/ProgramData/Anaconda3/envs/pytorch python=3.8 其中C:/ProgramData/Anaconda3/envs 是创建的目录所在位置；/pytorch是所创建的环境的名称 python=3.8是创建的python的版本。
可以看到，验证确实创建在我们想要的位置
OK啦，创建成功：
3. conda常用命令：
常用命令大全
- 删除虚拟环境的代码如下（yolo5表示env名字）
conda env remove -n yolo5- 激活虚拟环境
conda activate F:\Anaconda\envs\yolo54: 在跑模型时候遇到的一些问题：
4.1: conda添加python解释器找不到对应的python.exe文件
网上有很多解决方法，我参考了这个：
- 直接在Virtualenv Enviroment中找conda的虚拟环境里的python.exe就可以
- 直接在System Environment中找conda的虚拟环境就可以
但是后来发现右下角就有conda虚拟环境中的python.exe，所以我就直接选择了
4.2: 报错“OSError: [WinError 1455] 页面文件太小，无法完成操作。”
这个好像和给cuda虚拟环境所在盘分配的虚拟内存有关：
具体可以参考下边这个博客：
页面文件太小，无法完成操作。
4.3: 报错“CUDA out of memory. Tried to allocate 14.00 MiB
这个应该是训练的模型所设置的batch-size太大了，GPU的显存满足不了
把batch-size调小一些，如设置常用的256 128 64 32 16等，我是把yolov5中的16改为了8，然后问题就迎刃而解了。
最后附上使用GPU训练yolov5模型成功的截图：
（之前用CPU跑同样规模的数据集跑了2个小时，用了GPU只需要16分钟，不得不说真香）
显卡配置：（有钱一定换块好的）
5: CUDA11.1版本出现NAN的问题原因及解决措施：
我在完成上述步骤后，出现了一些错误，具体表现为如下形式：
该问题出现的原因在于CUDA版本较高（11.1），最好采用10.2的CUDA版本 ，只需要在虚拟环境中安装10.2的cuda即可，不需要在系统中重新安装。
解决方法可以参考下述博客：
YOLOv5s GTX 1660 Ti训练时出现，box，obj，cla全是nan的问题P、R、mAP都是0，Pytorch和cuda、cudnn版本不对
GTX 16XX系显卡 yolov5训练结果出现NAN的问题
yolov5 训练自己的数据集后，检测不到目标的解决办法
此外，也可能是如下问题导致的：
服务器上训练好的yolov5数据集在自己电脑上什么都检测不出来（已解决）
6: 虚拟环境中的cuda和系统中cuda的区别：
https://blog.csdn.net/qq_42744739/article/details/118640226
