引言

YOLOv5 是一个非常强大的目标检测算法，在计算机视觉领域应用广泛。本文将详细介绍如何在 Windows 系统上安装 YOLOv5 并配置 GPU 加速，让你能够顺利开启目标检测的学习和实践之旅。

一、电脑配置

在开始安装之前，先贴一下我的电脑配置：

• CPU：i5 - 12400f
• GPU：GTX 1050 Ti
• 驱动版本：560.94
• CUDA：12.6.65

二、安装步骤

1. 创建虚拟环境

为了避免不同项目之间的依赖冲突，我们使用 conda 创建一个专门的虚拟环境。打开 Anaconda Prompt，执行以下命令：

conda create -n yolov5 python=3.12.8
conda activate yolov5

上述代码中，第一行命令创建了一个名为yolov5的虚拟环境，指定 Python 版本为 3.12.8；第二行命令激活了这个虚拟环境。

2. PyTorch、CUDA 版本选择及安装

2.1 选择并下载 PyTorch

打开PyTorch 官网，根据自己的需求选择合适的版本。这里我们选择安装 CUDA 的版本是 11.8，如果需要其他版本，可以在页面下方的 previous version 中寻找

首先下载torch-2.7.0+cu118-cp312-cp312-win_amd64.whl文件，然后执行以下命令进行安装：

pip3 install torch-2.7.0+cu118-cp312-cp312-win_amd64.whl
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

确定好版本后，复制pip3开头的下载链接。先激活yolov5虚拟环境，然后运行刚才复制的链接，开始安装 PyTorch，等待安装完毕

2.2 下载并安装 CUDA

到英伟达官网的下载页面选择自己所需要的版本，以 11.8 版本为例：

根据你的目标服务器选择对应的类型，注意Installer Type选exe(local)：

下载完后双击安装，等待安装完成

2.3 验证安装

安装完成后，我们需要验证 PyTorch 是否能够正常使用 GPU。在激活的yolov5虚拟环境中，逐行运行以下代码：

import torch
print(torch.cuda.is_available())

如果返回值为True，则说明安装完成，此时可以使用 GPU 加速模型训练。

3. 下载并安装 YOLOv5

我们可以从 Gitee 上下载 YOLOv5 的代码库，链接为yolov5。在激活的yolov5虚拟环境中，打开命令行，进入你想要存放代码的目录，然后执行以下命令进行克隆：

git clone https://gitee.com/Chaojiht/yolov5.git
cd yolov5
pip install -r requirements.txt

上述代码中，第一行命令克隆了 YOLOv5 的代码库，第二行命令进入了代码库的目录，第三行命令安装了 YOLOv5 所需的依赖项

三、总结

通过以上步骤，你已经成功在 Windows 系统上安装了 YOLOv5 并配置了 GPU 加速。现在你可以开始使用 YOLOv5 进行目标检测的实验和开发了。如果你在安装过程中遇到任何问题，可以参考官方文档或在相关论坛上寻求帮助