1 环境配置

想要使用GPU训练，就要正确的进行环境配置。（已默认安装好Annaconda和Pycharm）

1.1 创建虚拟环境

conda create -n yolov7 python=3.8

生成一个叫做yolov7的虚拟环境，可以自定义该名称，使用python3.8作为编译器。

1.2 pycharm虚拟环境添加

• 用pycharm打开yolov7文件，在右下角点击Add New Interpreter
• 点击Conda Environment将上面创建的环境放进来
• 
• 
• 根据pycharm提示下载requirements.txt，下载yolov7所需库
• 
• 如果下载不下来可以到终端使用命令进行下载，例如

• pip install opencv-python>=4.1.1

  1.3 安装对应版本的pytorch+CUDA+cudnn

• 首先使用命令查看自己电脑的配置

  nvidia-smi

  查看自己能安装的CUDA最高版本（我自己是11.4）

• 

• 知道了自己的版本过后，去pytorch官网（https://pytorch.org/）找自己可安装最高版本之下的版本命令（我这是11.4之下），但是目前官方主页面的以及更新到11.8了，所以我们要选择install previous version of PyTorch

• 

• 这里我最先下载的11.3的CUDA，不知道是不是我的数据集太小（2000多张）还是什么原因，训练的map值非常低（几乎为零），很不正常，找了很久原因都没找到，最高map才61。最后选择了更低一点的CUDA版本，训练就恢复正常了。命令如下：

• pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html
  

  2 总结

建议开始一个新的项目就创建一个虚拟环境，这样不容易出错。

如何看自己是不是使用GPU进行训练？

可以使用nvidia-smi命令查看，如果下图这个位置百分比为八九十、一百就说明在使用GPU；使用nvidia-smi -l可以实时更新。

可以直接看训练代码最开始的提示，会说的用的什么，如下图：