前面几篇文章详细讲解了cuda和cudnn及anaconda的安装： 注意此内容适配所有所有Ubuntu系统，因为YOLO的运行只与touch版本有关。
1.创建环境
conda create -n yolov5 python=3.8 # env_name为所创建虚拟环境名称；python版本可以更换
推荐用3.8或以下版本，不容易报错。
2.换源
source activate env_name # 激活虚拟环境，进入虚拟环境即可安装自己要的包环境中输入下面代码换源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
pip 换源总是会出问题，建议用conda安装
yolov5适配的pytorch版本：如果你是一个环境小白，建议放弃思考，直接复制粘贴
3.安装pytorch
conda install pytorch==1.8.1 torchvision==0.9.1 torchaudio==0.8.1 cudatoolkit=11.1 -c pytorch -c conda-forge验证安装是否成功
python
import torch
print(torch.__version__)
print(torch.cuda.is_available())
如果你想进阶学习一下环境的配置，可以参考这个网址：（提示以下，显卡驱动11.7适配cuda11.3适配cudatoolkit＜11.3 依次向下兼容）
github开源的算法都会详细说明对应的版本，cuda11.3适配90%的算法模型（即只要你的cudatoolkit＜11.3都可以配置）
网址为各版本对应pytorch和torchvision
https://pytorch.org/get-started/previous-versions/
4.换源装包
这里提供一个pip 临时换源的代码：临时换源还是好用的，装包神器！！！！
pip --default-timeout=5000 install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python把OpenCV-Python换成你要装的包即可
5.环境依赖安装
yolov5 依赖包和环境一键安装
pip install -r requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple/这时你打开你下载的YOLOv5的模型应该就能跑了。
如果出现报错，参考后续文章