一、前言：
博主本人是做目标检测的，使用YOLO较多，特此写一个详细博客，一起学习一下。
二、环境搭建：
深度学习相关环境的搭建可谓是相当重要的，不仅是深度学习的入门第一关，更是影响你整个模型复现与改进。
2.1 Anaconda：Anaconda主要作为python的虚拟环境，后续也可创建更多不同环境以应对不同需求。
下载官网：Anaconda | The World’s Most Popular Data Science Platform
点击后根据个人需求，下载适应电脑版本的Anconda。安装Anaconda的过程比较简单，如果有问题可以私信。
2.2 Pycharm：
pycharm是大多数同学选择编译运行python的平台，比较方便使用。直接点击链接官网下载即可。
下载官网：PyCharm：JetBrains为专业开发者提供的Python IDE
直接选择社区版本下载即可，设置一个路径，正常软件安装即可。
2.3 Cuda
CUDA在程序中主要是GPU加速使用，如果你只使用CPU对模型训练，此处可以跳过，如果GPU训练同学，请仔细阅读，此处坑较多，当时本人也是踩坑无数。
CUDA官方安装教程:CUDA Installation Guide for Microsoft Windows
CUDnn官方安装教程：Installation Guide :: NVIDIA Deep Learning cuDNN Documentation
桌面右键打开nvidia控制面板
点击左下角系统信息
打开组件，查看第三行信息，可以看到你电脑显卡适用的cuda版本
第二种方法：win+r快捷键，输入cmd，打开终端窗口输入nvidia-smi
此处也可查看cuda版本，最高支持11.4，可以选择11.4以下版本。
CUDA下载地址:CUDA Toolkit Archive | NVIDIA Developer
点击链接选择适合自己电脑的版本，博主本人安装的是11.3版本
点击进入后，选择系统版本，第一个为本地离线下载，第二个为网络下载。
下载完成后安装：
注意：第一次为会设置临时解压目录，第二次设置安装目录。
临时解压路径选择默认即可，也可以自定义，安装结束后，临时解压文件夹会自动删除；
如果是新手小白，那就全都要，如果是安装好几次了，直接第一个。
安装到此处后，建议直接截图保存记住安装位置的路径后面需要用。
查看环境变量，点击设置直接搜索查看高级系统设置—》点击环境变量、
就可以看到你的环境变量了，
这块就可以看到刚刚安装的11.3的环境变量了。如果没有需要自己添加
这两个变量放在下面这块，方便复制，注意自己的路径即可
NVCUDASAMPLES_ROOT
NVCUDASAMPLES11_0_ROOT
然后查看是否安装成功：
win+r 快捷键输入cmd，输入nvcc –verison或者nvcc -V
查看安装cuda的版本号 ，输入set cuda可以查看CUDA设置的环境变量，至此CUDA部分安装完成。
CUDnn下载及安装
官方下载地址：https://developer.nvidia.com/rdp/cudnn-download
注意下载这块需要注册nvidia账号，这个都比较easy，自己操作一下就行了
登录后就能看到不同的CUDnn版本
也可以通过这个链接下载
cuDNN Archive | NVIDIA Developer
依然是选择适合自己电脑的版本，下载后解压会发现并不是exe文件而是三个文件夹。
接下来比较重要，将这个三个文件夹复制到当时安装cuda的路径中，进行替换。
当时安装的截图中有，或者去系统中的环境变量查看也可以。其实cudnn更像是cuda的一个加速补丁。
然后再次添加路径
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp
这块的话 根据自己的路径进行修改就可以了。
此时需要验证，win+r 输入cmd打开终端
cd 切换到安装目录下的…\extras\demo_suite，然后分别执行bandwidthTest.exe和deviceQuery.exe
如果看到出现两个pass后，安装cuda与cudnn完成，至此深度学习的最基本环境已经配备，下一篇博客会详细讲解YOLOv7的安装与训练自己的数据集。