摘要：本文介绍如何搭建yolo v7搭配环境。作者marsloving作为小白，看了很多篇搭建文章，运行过很多次 YOLO 报错。所以希望其他人也可以走少点弯路。

本文链接：小白级yolo v7搭配环境_自由marsloving的博客-CSDN博客

工具：anaconda；pycharm；pytorch；cuda；yoloV7

一.源码下载：

下载YOLO V7源码：下载地址https://github.com/WongKinYiu/yolov7

二.创建虚拟环境：

目的是：获得yolo 所需的pytorch等环境库

1、下载anaconda：

下载地址：Anaconda | The World’s Most Popular Data Science Platform

2.配置 anaconda 虚拟环境

点击进入 anaconda 的cmd 环境

3.创建虚拟环境 

creat conda -n yolo python=3.8

注意：

1. YOLO 是虚拟环境的名称，可以自行变更，如 YOLOv7
2. Python=3.8 是考虑 pytorch以及cuda的版本，而作者的显卡是家用游戏显卡 Nvidia 1660 TI 算力 6.1。 如果更高性能系列的显卡，可以考虑更高版本。

 4.激活虚拟环境

Activate yolo

cd C:\Users\PC\Desktop\yolov7-main

5.下载yolo 所需的文件

pip install -r F:\objectdet\yolov7-main/requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

6.确认下载是否成功以及安装cuda： 

pip list 

 这时，pytorch 没有cuda，用不了显卡推理

安装 cuda

pip install torch==1.8.2+cu102 torchvision==0.9.2+cu102 torchaudio===0.8.2 -f https://download.pytorch.org/whl/lts/1.8/torch_lts.html -i  https://pypi.tuna.tsinghua.edu.cn/simple

注意：

不同显卡的cuda 版本不同，作者是安装cu102. 安装的版本可以参考显卡的算力，作者显卡算力是6.1。

NVIDIA cuda 对应表

Release Notes :: CUDA Toolkit Documentation

7.下载与配置pycharm环境

选择安装 pycharm community

安装成功后，打开 yolo main所在的地址

设置本地解析器

 设置解析器

 显示全部

选择 anaconda 设置的虚拟环境 

 三、测试推理

在下载yolov7 的源文件地址 下载权重：https://github.com/WongKinYiu/yolov7

下载 权重文件

将文件 放到 yolo main 文件下（可以自己新建文件夹，但配置需要同步修改，否则找不到文件，报错 attempt to download（找不到文件，尝试下载））

在dect.py 的文件下修改，对应的配置（权重文件的地址，与cpu）

填写使用 CPU（如果填写0，则用显卡推理）， 因为显卡还未安装对应的驱动cudnn 和cuda平台 

 直接运行 dect文件，如果出现了推测框，则恭喜你，成功安装了！

四、安装N显卡cuda的驱动（统一计算架构）

先下载cuda版的驱动，删除旧驱动，然后安装cuda版以及cudnn。

参考：https://blog.csdn.net/weixin_64524066/article/details/126840322

其他参考：yolov7: 从搭配环境到训练自己的数据集_与君初相识的博客-CSDN博客_yolov7 github