YOLO PyTorch CUDN环境安装
Python环境安装
直接下载MiniConda安装即可：Miniconda — conda documentation
常用指令
conda env list //列出环境
conda create -n test python=3.10 //安装3.10的python环境 名称为test
conda activate test //切换到名称为test的环境
conda deactivate //推出当前环境，重新激活base环境
conda remove -n test --all //删除名称为test的环境PyTorch环境配置
确定好自己需要的环境，查看显卡支持的CUDA版本，在控制台输入nvidia-smi查看
确定好之后，去Nvidia官网下载对应的文件
CUDA：根据自己的版本号下载，不要超过自己的版本好即可，安装方式可以随意
NVIDIA TensorRT 8.x：根据自己下载的CUDA版本下载
cuDNN：同样根据自己的CUDA版本下载
PyTorch：按照自己的安装版本选择即可，不要用conda安装，用pip安装方式
下载安装好CUDA后，下载cuDNN，将cuDNN解压出来的文件，复制到你的CUDA安装目录去，如果你没有更改安装路径，一般在这里：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8
复制进去覆盖即可，也可以将整个cudnn文件夹拉进去，这种方法需要额外配置环境变量
完成之后，切换到自己的python环境，安装PyTorch，执行对应代码即可，安装完毕之后可以使用pip list查看是否安装成功
查看torch、torchaudio、torchvision的版本号后面是否带+cu118，数字是你自己的cuda版本号，如果都有，基本上安装成功，如果没有，需要手动去删除文件，重新安装
然后打开TensorRT文件，进去里面的python文件夹，找到里面的.whl文件，找到于自己python版本对应的文件，用pip安装即可
pip install tensorrt-8.5.2.2-cp310-none-win_amd64.whl
安装完上述之后，python运行如下代码：
import torch
#查看当前troch版本 cpu还是gpu
print(torch.__version__)
#cuda是否可用 true表示安装
torch.cuda.is_available()参考
参考文章1：https://blog.csdn.net/mrathena/article/details/122452157
参考文章2：https://blog.csdn.net/mrathena/article/details/128430943
参考文章3：https://zhuanlan.zhihu.com/p/560754372