摘要

网好的可以直接参考官方文档安装，遇到安装报错和网络问题可以参考本文

本地环境：
Windows | nvdia 显卡（已更新驱动） | Anaconda python3.6

使用 Anaconda 创建虚拟环境
安装官方要求的依赖库
验证安装 | 执行 detect.py 示例代码

github仓库地址： https://github.com/ultralytics/yolov3

1 使用 Anaconda 创建虚拟环境

目前要求python版本需要大于等于 3.6

conda create -n pytorch python=3.6
conda activate yolov3

如果安装比较慢，可以尝试换源；
更换Anaconda的安装包下载源
https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
在这里插入图片描述

2 安装官方要求的依赖库

执行 pip install -r requirements.txt 这条命令前，可以先打开 requirements.txt ，将opencv和pytorch相关的库注释掉，后面单独安装；

# Base ----------------------------------------
matplotlib>=3.2.2
numpy>=1.18.5
# opencv-python>=4.1.1
Pillow>=7.1.2
PyYAML>=5.3.1
requests>=2.23.0
scipy>=1.4.1
# torch>=1.7.0  # see https://pytorch.org/get-started/locally/ (recommended)
# torchvision>=0.8.1
tqdm>=4.64.0
# protobuf<=3.20.1  # https://github.com/ultralytics/yolov5/issues/8012

可以使用 pip 换源加速安装

pip install -i https://mirrors.cloud.tencent.com/pypi/simple -r requirements.txt

接着利用 conda 安装 pytorch 和 opencv ；

（执行pytorch官网的GPU安装指令，CUDA版本可以向下兼容，如果安装了12，那么可以使用11.7）
在conda中opencv的名称有所不同，py-opencv（注意时效性）；之前用pip安装遇到 opencv 安装报错，所以使用 conda 安装

https://pytorch.org/get-started/locally/
在这里插入图片描述

conda install pytorch torchvision pytorch-cuda=11.7 -c pytorch -c nvidia
conda install py-opencv

3 验证安装 | 执行 detect.py 示例代码

import torch
torch.cuda.is_available()
cuda是否可用；

torch.cuda.device_count()
返回gpu数量；

torch.cuda.get_device_name(0)
返回gpu名字，设备索引默认从0开始；

torch.cuda.current_device()
返回当前设备索引；